基于主要驅動因子篩選法和深度學習算法的浙江省動態(tài)需水量預測

摘要： 收集了浙江省2000—2020年各用水行業(yè)需水量數(shù)據(jù)，采用基于Spearman秩相關分析的主要驅動因子篩選法篩選了影響各行業(yè)需水量的主要驅動因子，進而構造了改進的長短時記憶(LSTM)神經(jīng)網(wǎng)絡需水量預測模型，對各行業(yè)需水量進行動態(tài)滾動預測，并將改進LSTM模型的預測結果與傳統(tǒng)單變量LSTM預測模型、卷積神經(jīng)網(wǎng)絡模型、支持向量回歸模型的預測結果進行了對比。結果表明，基于主要驅動因... （共7頁）