来源：期刊VIP网 时间：
作者：何立新;沈正华;张峥;雷晓辉;
单位：河北工程大学水利水电学院;河北工程大学河北省智慧水利重点实验室;
摘要：在明渠调水工程中，精确掌握过闸流量对于提升渠道调控效率、保障输水系统安全等问题意义重大。为提高过闸流量预测精度，提出一种基于注意力机制，融合卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的过闸流量预测模型。以洺河渡槽节制闸为例，选取其1年时间尺度的实际数据为模型输入，模型首先将输入数据标准化，再利用CNN提取特征信息，经过BiLSTM捕获序列数据中的前后向依赖关系，最后通过注意力机制评估信息的重要程度，对特征参数进行加权处理，实现对过闸流量的预测。结果表明，所建模型相比于传统的BP-NN、SVR、LSTM等预测模型具有更好的预测结果，模型的平均绝对误差、平均绝对百分比误差、均方根误差和决定系数分别为3.682、0.018、4.661、0.983,可为工程实践提供参考。
关键词：过闸流量预测;;BiLSTM;;注意力机制;;神经网络
基金资助：国家重点研发计划(2023YFC3209400)
