佳文推荐 | 基于BP神经网络的不同时间尺度泵站前池水位预测模型

明渠调水工程在进行长距离输水调度时,一般通过在渠道中设置泵站?节制闸?倒虹吸等水工建筑物解除地形条件对输水限制的影响,同时在建筑物前设置水位计?流量计等监测设备获取水情信息监控通水安全?相比于实时水位监测,高精度的水位预测更能在水量调度过程中为调度人员提供科学指导,尤其是泵站前池水位预测,对泵站调控?水量调度?渠道安全均具有重要意义?受气候?温度?人类活动等多种因素影响,监测设备采集到的水情序列往往呈现出非线性和不确定性的特点,常规方法很难对其进行规律分析和趋势预测?学者曾通过建立水力学模型模拟渠道水流的变化过程,但建模要求完整且准确的地形资料?工程参数和实测数据,糙率率定过程也较为反复和繁琐,因此存在较大的局限性?随着人工智能技术和机器学习方法的不断进步,采用数据驱动的方法进行预测可避免水力学建模的多方面要求和诸多限制,直接探索数据间的内在规律?

《南水北调与水利科技（中英文）》2022年第2期发表了《基于BP神经网络的不同时间尺度泵站前池水位预测模型 》一文，该文 针对建筑物调控下的水位预测难题,建立基于BP神经网络的泵站前池水位预测模型,在不同时间尺度下分析时间序列?影响因子?预报因子对水位预测精度的影响?将构建模型应用于胶东调水工程东宋泵站,研究结果表明:在数据总量一定的情况下,训练期和预测期之比为7:3时,预测结果较好;数据量越大,保持一定预报精度所需要的正相关的影响因子数量越多;短时间内,预测时间间隔与数据本身时间间隔相同时,预测效果更好?该构建模型能够满足明渠调水工程泵站前池的水位动态预测需求,实现泵站前池水位的2h准确预测和4h一般准确预测,同时可在其他类似明渠调水工程中推广应用?

薛萍,张召,雷晓辉,等.基于BP神经网络的不同时间尺度泵站前池水位预测模型[J].南水北调与水利科技(中英文),2022,20(2):393-407.