基于N-BEATS算法的峡江水利枢纽工程水库水位预测.pdf

第10 期2023年10 月文章编号：16 7 3-9 0 0 0（2 0 2 3)10-0 0 2 4-0 3陕西水利Shaanxi WaterResourcesNo.10October,2023基于N-BEATS算法的峡江水利枢纽工程水库水位预测蓝云晖，罗楚权（江西省水利水电建设集团有限公司，江西南昌3 3 0 2 0 9）【摘要基于N-BEATS算法，针对峡江水利枢纽工程的水库水位预测问题进行研究。首先介绍峡江水利枢纽工程的重要性和水库水位预测的挑战，以及现有方法的优缺点。然后详细介绍N-BEATS算法的原理和特点。最后通过实验部分，展示基于N-BEATS算法的水库水位预测结果，并对算法的优势和局限性进行分析。同时，与其他方法进行对比和分析，并探讨N-BEATS算法对时间序列分解的可解释性和意义。结果显示N-BEATS算法在峡江水库水位预测方面具有优越性能，可为水文预测和管理决策提供有价值的参考。【关键词峡江水利枢纽工程；水库水位预测；N-BEATS算法；时间序列分解中图分类号TV697.2【文献标识码APrediction of Reservoir Water Level of Xiajiang Water Conservancy Project Based onN-BEATS AlgorithmLan Yunhui,Luo Chuquan(Jiangxi Water and Hydropower Construction Group Co.,Ltd.,Nanchang 330209,Jiangxi)Abstract:Based on N-BEATS algorithm,this paper studies the problem of reservoir level prediction for Xiajiang waterconservancy project.Firstly,the importance of Xiajiang hydropower project and the challenge of reservoir level predictionare introduced,as well as the advantages and disadvantages of existing methods.Then the principle and characteristics ofN-BEATS algorithm are introduced in detail.Finally,in the experimental part,the prediction results of reservoir water levelbased on N-BEATS algorithm are presented,and the advantages and limitations of the algorithm are analyzed.At the sametime,comparison and analysis are made with other methods,and the interpretability and significance of N-BEATS algorithmfor time series decomposition are discussed.The results show that N-BEATS algorithm has superior performance in the waterlevel prediction of Xiajiang reservoir,which can provide valuable reference for hydrological prediction and managementdecision.Key words:Xiajiang water conservancy project;reservoir level prediction;N-BEATS algorithm;time seriesdecomposition峡江水利枢纽工程位于峡江河流域，是一项关键的水利工程，通过调节水位，实现了河流的水源供应、防洪和灌溉功能。峡江水利枢纽工程在水库水位预测方面面临问题。研究发现，水位预测受气象、水文、水库运行参数等多种因素影响,同时陡崖地形和地貌特征也对预测精度构成挑战。此外,水利枢纽船闸工程施工对水位预测的影响也需考虑。这些问题需要得到解决。水位预测对于水利工程的安全和效益至关重要，然而其准确性和可靠性仍面临挑战。针对水利工程中的水库水位预测方法，已有多样性和复杂性的研究取得了显著进展。特定工程如牛腿结构的受剪性能研究以及水利枢纽工程对生态环境的影响研究也为水位预测提供了有益的参考。机器学习方法在水位预测中得到广泛应用，例如基于机器学习的三峡水库小时尺度坝前水位预测。此外，针对水利枢纽工程的特点和要求，需要考虑水工模型试验研究和电气节能设计要点的探析。通过综合运用不同的研究方法和理论，并结合特定工程的实际情况，可提高水位预测的准确性和可靠性。然而目前对水库水位预测的相关研究方法对时间序列因素的考虑不够充分，因而其预测数据在实际应用过程中总体欠佳。收稿日期 2 0 2 3-0 6-0 5【作者简介蓝云晖（1994），男，族，江西赣州人，助理工程师，主要从事水利工程工作。24第10 期2023年10 月水位预测对于保障水利工程的安全和效益至关重要。现有方法取得了一定进展，但仍存在挑战。本文引人N-BEATS算法，通过深度学习和时间序列机制解决之前方法的局限性，探讨N-BEATS算法的特点以及对准确水位预测的潜在贡献。1工程概况峡江水利枢纽工程是赣江中游一座综合利用水利枢纽工程，总库容11.8 7 亿m，防洪库容6 亿m，正常蓄水位46 m，工程名称总库容防洪库容正常蓄水位坝顶全长最大坝高阝防洪限制水位汛期调度水位非汛期调度水位峡江水利枢纽11.8 7 亿m6亿m2基于N-BEATS算法的峡江水利枢纽工程水库水位预测过程2.1数据来源、采集、处理和分析本文使用的数据来自一个包含水库不同月份各频率来水情况的数据集。从中提取了12 个月的均值流量作为时间序列数据，并转换为CSV格式，以便后续处理和分析。为使用N-BEATS算法进行预测，需要对数据进行预处理以满足算法要求。N-BEATS是一种基于神经网络的时间序列预测方法，可实现高准确度和可解释性的预测。使用滑动窗口法生成11个训练集的输入输出对以增加样本数量。在数据处理后，使用N-BEATS算法拟合训练集，并对测试集进行预测。N-BEATS算法由多个基本单元模块组成，包括全连接网络和基层，用于生成前向和后向预测。采用PyTorch框架实现N-BEATS算法，并根据文献提供的参数进行调整。通用基层和趋势基层交替堆叠形成深度神经网络。使用Adam优化器和MSE损失函数进行训练，并使用早停法防止过拟合。展示N-BEATS算法在峡江水库水位预测中的优势和局限性，并与其他方法进行对比和分析，验证其可行性和有效性，探讨N-BEATS算法对时间序列分解的可解释性和意义，可为水利工程管理提供重要参考。2.2N-BEATS算法的具体实现和参数设置基于峡江水库水位预测数据集，采用N-BEATS算法进行水位预测。数据集包含不同月份的均值流量，提取12 个月份作为时间序列数据，并进行CSV格式转换和预处理。N-BEATS算法以深度神经网络为核心，包含多个基本单元模块。选择T=12和H=6作为输人和预测序列长度，采用滑动窗口法生成11个训练样本。算法包括通用基层和趋势基层，分别学习任意形式和趋势特征，即：Xi+1,X,X.Xh式中：w为窗口大小；h为预测长度。训练过程使用Adam优化器和均方误差损失函数，并应用早停法防止过拟合。N-BEATS算法在PyTorch框架下实现，陕西水利Shaanxi Water Resources坝顶全长8 7 4m，最大坝高15.2 m，泄水闸最大闸高2 8.7 m。该工程主要功能为防洪、发电、航运，兼顾灌溉等。工程采用PPP模式运行管理，由江西省峡江水利枢纽工程管理局负责监督管理，由江西峡江水利枢纽有限公司负责运行维护。工程的运行管理目标是保证下游防洪安全、提高发电效益、改善航运条件、满足灌溉需求。为了实现这些目标，需要对水库水位进行准确预测，以便及时调整泄洪、发电、航运和灌溉方案，优化水资源配置，提高水库运行效率。该工程水利数据见表1。表1山峡江水利枢纽工程历史水利参数46m874m(1)No.10October,2023最高水位15.2 m44.5 m根据文献中给出的参数进行调整。具体的N-BEATS算法公式如下：式中：为神经网络函数；为网络参数；X为预测值。基层可以用公式表示为：式中：k为基层的索引；g为前向预测函数；b,为后向预测函数。具体的前向预测过程：N,i-1后向预测过程：N,u-ZW.s(Xu,Xur)i=1式中：（X-r,X)为长度为T的观测序列历史；（X-1,Xi-r)为长度为T的观测序列未来；（yiah)为前向预测值；（yuh）为后向预测值；W,和W,为权重；g;和g,为基层函数。其具体参数设置见表2。表2 N-BEATS算法参数设置参数设置值输人序列长度（T)12预测序列长度(H)6多个基本单元深度神经网络模块通用基层和趋基层类型势基层全连接层维度256权重衰减系数0.0001训练送代次数100损失函数均方误差(MSE)通过以上实现和参数设置，可准确预测峡江水库水位，并获取未来6 个月的可靠结果。.2543.5 m45.5 m参数通用基层隐藏层维度趋势基层隐藏层维度基层堆叠层数残差连接数量学习率批量大小优化器早停法46.02 m(2)(4)(5)设置值12864440.00132Adam应用于训练过程第10 期2023年10 月2.3评价指标评价指标是衡量预测模型性能的关键标准。常用的评价指标包括均方根误差（RMSE）、平均绝对误差（MAE）、平均百分比误差（MPE）和确定系数（R）。这些指标可以量化预测结果与真实观测值之间的差异和拟合程度。通过对峡江水库水位预测数据集应用这些评价指标，可以对N-BEATS算法的预测性能进行客观评估，并提供对模型准确性、稳定性和可靠性的重要参考。常用的评价指标及其计算公式，见表3。表3常用的评价指标及其计算公式评价指标公式均方根误差（RMSE）ni=11平均绝对误差（MAE）n=11平均百分比误差（MPE）ni=1m=1确定系数(R)1-ni1式中：是真实观测值；是模型预测值；是观测值的平均值；n是样本数量。这些评价指标可用于衡量N-BEATS算法在峡江水库水位预测中的预测准确性和拟合程度。3实验结果分析实验中比较本文所提出的预测方法和传统方法两种不同的水位预测方法。本文方法基于N-BEATS算法，而传统方法则包括回归分析、时间序列分析等统计方法。通过比较两种方法的预测准确性和性能表现，评估了它们在水位预测任务中的优劣。其预测结果和指标对比见图1。均值流量4000大数据集3500所提方法3000一传统方法2500200015001000500%24681012月份离散系数与变异系数（CJC）3.5CC3.2.521.5024681012月份图1峡江水库水位预测结果及数据集指标分析.26.陕西水利ShaanxiWater Resources结果显示N-BEATS准确捕捉了水位数据的离散性、变异性和均值流量，并提供了准确的预测。在不同月份下，特别是丰水期月份，本文所提方法由于添加了时间序列尺度预测，在预测精度上显著高于传统预测方法。实验结果显示N-BEATS算法对时间序列分解有良好的可解释性和意义。它准确捕捉了水位数据的趋势、周期和残差成分，并提供了各成分的贡献度评估。这对水位预测和管理决策提供了有价值的信息。对预测结果进行评估，见表4。表4预测方法的评价指标计算评价指标计算结果均方根误差（RMSE)74.8847平均绝对误差（MAE）54.6489平均百分比误差（MPE）1.4133确定系数(R)0.9914100%根据提供的真实值和预测值，计算了四个常用评价指标：i均方根误差（RMSE）、平均绝对误差（MAE）、平均百分比误差（MPE）和确定系数（R）。这些指标用于评估所提方法在水位预测中的性能。计算结果显示，本文方法在水位预测方面表现良好。均方根误差和平均绝对误差较小，表明预测结果与真实值接近。平均百分比误差接近零，说明相对误差较小。确定系数接近1,表明预测结果能很好地解释水位数据变化。这些评价指标的计算结果验证了本文方法在水位预测中的可靠性和准确性，揭示了其对时间序列分解的可解释性和意义。4结语本文研究了N-BEATS算法在峡江水库水位预测中的应用。实验结果表明,N-BEATS算法能够有效预测水位的变化趋势和均值流量，并准确捕捉水位数据的离散性和变异性特变异系数/Cv0.75CV0.70.650.60.550.50.45024681012月份No.10October,2023征。通过对比本文所提方法和传统方法的预测效果,N-BEATS算法表现出更好的性能。因此,N-BEATS算法在峡江水库水位预测方面具有优越性能，并可为水文预测和管理决策提供有价值的参考。1余秋兰，管贤.夹岩水利枢纽及黔西北供水工程对助推贵州毕节试验区乡村振兴的重要意义 J.中国水运（下半月）,2 0 2 3(6):92-93.2万年锋，袁启伦，邸国辉，等.基于无人机LiDAR数据的陡崖反坡滤波技术及应用 J.水利水电快报，2 0 2 3（5）：45-49.3鲁昀.水利枢纽船闸工程深基坑施工技术 J.珠江水运,2 0 2 3(9):50-52.参考文献