基于GRA-NARX神经网络的泵站站前水位预测模型

进行长距离输水调度时,常在渠道中设置泵站等水工建筑物,以解除地形条件对输水限制的影响?泵站在运行过程中需保持水位平衡,避免出现水位大幅上升或下降等问题?若水位随时间发生较为急剧的变化,不仅可能造成泵站间弃水,甚至可能导致供水破坏或者引起整个系统的水力振荡?因此,对水位信息进行处理,建立合适的泵站水位预测模型,尤其是泵站站前水位预测模型,对泵站调控?水量调度?建筑物安全等都具有重要意义?

《南水北调与水利科技（中英文）》2022年第4期发表了《基于GRA-NARX神经网络的泵站站前水位预测模型》一文，该文针对多种水工建筑物相互作用和影响下的泵站水位预测难题,提出基于GRA-NARX(grey relation analysisnonlinear autoregressive model with exogenous inputs)神经网络的泵站站前水位预测模型?该模型包括灰色关联分析(GRA)和NARX神经网络两部分,利用3种训练算法和不同时间延迟分别对密云水库调蓄工程屯佃泵站站前水位进行2h预测,并与NARX模型和GRA-BP(grey relation analysis-back propagation)模型的预测结果进行比较?研究结果表明, GRA-NARX-BR(grey relation analysis-nonlinear autoregressive model with exogenous inputs-bayesian regularization)模型用于水位预测能够比较全面地考虑影响因子,预测精度高,相关系数最高达0.986 62,均方根误差最小为0.008 6m,预测效果比NARX模型和GRA-BP模型好,且时间延迟越长,均方根误差越小?模型也可在其他调水工程中推广使用。

刘晓伟,哈明虎,雷晓辉,等.基于GRA-NARX神经网络的泵站站前水位预测模型[J].南水北调与水利科技(中英文),2022,20(4):773-781.