基于长短时神经网络的城市需水量预测应用
【摘要】 在分析影响居民用水量相关性因素的基础上，采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征，避免了手动设计输人变量特征的繁琐，且可以采用更长时间的历史数据进行训练，充分考虑长期条件下不同天气、节假日的城市居民用水特征。Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程，适合多小时水量预测模型的构建。该模型应用于某地区需水量预测，取得了较高的预测精度，模型的适用性得到了有效验证。
