摘要
为解决因水库数据采集设备能力有限、水文数据不全导致预测水库水位时预测精度较低的问题,以四岭水库每小时水位监测数据为例,提出基于嵌入式-门控循环单元(Embedding-gated recurrent unit,Embedding-GRU)的水库水位预测模型,即利用Embedding方法将单维降雨量数据升维至多维数据,扩大降雨的气候特征,结合GRU算法进行水库水位预测。将该模型与传统深度学习算法长短期记忆(long short-term memory,LSTM)、门控循环单元(gated recurrent unit,GRU)、双向门控循环单元(bidirectional recurrent neural network,BiGRU)这3种模型对比,结果显示:Embedding-GRU模型的预测效果均优于其他传统模型,平均绝对误差EMA和均方根误差ERMS分别平均下降19.6%和7.7%,并且在预测次日水库水位的应用场景中决定系数R2能够达到0.989 37。结果表明:该模型耦合多种算法,扩大单变量的气候特征,具有较高预测精度和泛化能力。相较传统模型,基于Embedding-GRU的水库水位预测模型能够对缺少温度、气压、风速、蒸发量等监测数据的水库进行可靠度较高的预测,适用水库范围更广,为水库日常运维、除险加固提供参考。
- 出版日期2023
- 单位重庆大学; 浙江同济科技职业学院; 航天学院