清华大学学报(自然科学版)

作者：郭世圆, 马为之, 卢瑞麟, 刘晋龙, 杨志刚, 王忠静, 张敏

单位：1. 清华大学 计算机科学与技术系, 北京 100084;<br>2. 清华大学 智能产业研究院, 北京 100084;<br>3. 清华大学 水利水电工程系, 北京 100084;<br>4. 宁夏大学 西北土地退化与生态恢复省部共建国家重点实验室培育基地, 银川 750021

关键词：渠道流量预测,长短期记忆神经网络,智能水联网

基金：国家自然科学基金黄河水科学研究联合基金集成项目(U2243601),清华大学-宁夏银川水联网数字治水联合研究院重点项目(SKL-IOW-2020TC2009)

复杂工况条件下明渠流量预测是一项基础问题,通常是建立非线性偏微分方程组并数值计算,时间成本与时空步长精细程度成指数关系,需在精度与效率之间权衡。该文基于“实时感知、水信互联、过程跟踪、智能处理”水联网理论,研究了明渠水流控制中闸门上下游序列特征,结合了渠道与闸门各类动静态特征,提出了基于长短期记忆(long short-term memory,LSTM)神经网络的明渠流量预测方法。实验结果表明,该方法在各渠段上预测准确率均大于97%,效率在100 000条数据规模上比求解Saint-Venant方程的数值计算方法提高了308倍。该文验证了人工智能方法改进传统明渠流量预测问题的可行性,合理设计的深度学习模型可取得准确性与效率的双赢,为人工智能解决水力学问题提供了新的思路。

来源：2023年第12期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2023年第12期