一种基于LSTM-GRU-Attention模型的管道直饮水月供水量预测方法

本发明公开了一种基于LSTM‑GRU‑Attention模型的管道直饮水月供水量预测方法。气温等外部因素与历史月供水量作为输入时间序列，利用串联方式，将长短期记忆网络(LSTM)和门控循环单元(GRU)、Attention进行组合，首先，LSTM和GRU捕捉时间序列中的长期依赖关系，并且处理梯度消失或爆炸问题；其次，Attention对序列中的不同时间步进行加权，关注对当前任务最相关的时间步；最后将预测结果输出。通过本方法大幅提升了预测精度，降低了预测误差，并对水站数据较多情况下预测效果也良好，可为城市供水量预测提供决策依据及技术支撑，表明该模型能够高效地预测管道直饮水月供水量，对于供水企业合理安排生产计划，提高科学化管理水平具有一定的应用价值。