一种基于长短时记忆网络的水车室水位智能预测方法

摘要

本发明公开了一种基于长短时记忆网络的水车室水位智能预测方法，涉及水利发电技术领域。该方法包括以下步骤：S1、获取水车室周围各测点的时序检测数据作为原始数据；S2、对所述原始数据进行预处理；S3、构建双层LSTM模型；S4、根据预处理后的原始数据训练LSTM模型；S5、利用训练好的LSTM模型对未来多个时刻的水车室水位值进行连续预测，获得未来多个时刻的水车室水位值。该方法通过长短时记忆网络从大量测点数据中学习到时序上的特征，进而构建水车室水位预测模型，通过该模型，能够高效、相对准确的获得未来多个时刻的水车室水位值，为避免水淹水车室这类事故提供了强有力的技术支撑，从而提升水电厂的检修工作的合理性和有效性。