排灌机械工程学报

作者：张博,徐卓飞,李小周,毛振凯,郭鹏程*

单位：1. 中国电建集团西北勘测设计研究院有限公司, 陕西 西安 710065; 2. 西安理工大学水利水电学院, 陕西 西安 710048

关键词：水锤压力信号,循环神经网络,深度学习,经验模式分解,时间序列预测

基金：国家自然科学基金资助项目(51839010);清洁能源与生态水利工程研究中心项目(QNZX-2019-05);新疆水专项(2020C-001);陕西高校青年创新团队(2020-29)

为准确预测水锤信号变化规律,实现对水锤冲击强度和能量等特性的提前预判,针对水锤冲击信号提出了一种基于经验模式分解(empirical mode decomposition,EMD)和循环神经网络(recurrent neural network,RNN)的模型预测方法.首先,通过EMD获取具有不同频率的IMF分量,根据水锤信号的频域特性剔除高频噪声分量并重构信号以实现滤波,滤波后信号能量损失不足0.1%;进而,建立了基于RNN模型的时间序列预测模型,搭建试验平台获取水锤冲击信号,完成了RNN模型的训练和参数调节;随后,对不同流速下水锤冲击信号进行序列预测,在测试集与训练集流速不同条件下,得到了准确的预测结果,表现出一定泛化能力.对比分析预测水锤信号与实际信号,得到R2系数大于0.990 0,幅值和能量损失不足1%,验证了所提出方法的正确性,主要结论和建模方法可为各类输水系统的风险评估、管路监测和健康管理提供理论指导和技术手段.

来源：2022年第11期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2022年第11期