基于LSTM-GRU-Attention模型的管道直饮水月供水量预测

来源：水资源与水工程学报杂志2025年第3期北京时间：

作者：刘颖，刘治学，郭广丰，刘保卫，杜帅帅，王鹏渊，张新田，赵继然

单位：（1.包头师范学院信息科学与技术学院,2.包头市国有资本运营（集团）有限公司

摘要：管道直饮水月供水量的预测受到多种因素的影响，如气温变化、节假日效应以及用户数量变动等，这些因素共同作用导致供水量序列呈现出复杂性、非线性和非平稳性的特点。为了提高预测模型的准确度并优化其网络结构，提出了一种结合长短期记忆（LSTM）、门控循环单元（GRU）与注意力机制（Attention）的LSTM-GRU-Attention预测模型。该模型通过贝叶斯优化算法确定最优超参数，并将外部因素如气温等与历史月供水量数据一起作为输入时间序列，借助Attention机制，模型能够对输入序列中的不同时间步进行加权处理，从而更准确地捕捉供水量的波峰和波谷值。结果表明：与单独使用LSTM、GRU及LSTM-GRU模型相比，LSTM-GRU-Attention模型在预测精度上有显著提升，平均绝对百分比误差（MAPE）达到了6.89%，较其他3种模型分别降低了7.74%、6.29%和5.23%，同时收敛速度更快。LSTM-GRU-Attention模型在高效预测管道直饮水月供水量方面展现了显著的效果，有助于直饮水企业合理安排生产计划、降低运营成本及提升管理水平，显示出较高的应用价值。

关键词：管道直饮水,月供水量预测,长短期记忆网络,门控循环单元,LSTM-GRU-Attention模型

基金资助：国家重点研发计划项目（2016YFB0502305）；省级科技成果转化引导重点项目（CGZH2018042）