薛 萍1，廖丽莎2，廖卫红2，位文涛3，景 象4
(1.河海大学人工智能与自动化学院，南京 210098；2.中国水利水电科学研究院水资源所，北京 1000382；3.武汉虹信技术服务有限责任公司，武汉 430043；4.天津大学建筑工程学院，天津 300072）
摘要：南水北调中线工程通常以闸前常水位调度运行，而水位在闸门调控影响下，多数处于非平稳状态，探索其规律变化对于监测数据和研究方法均有一定限制和要求。监测数据方面，针对大量的高频监测数据，选取均值滤波、滑动平均值滤波、递推中位值平均滤波法以及滑动小波变换进行数据预处理，提高数据质量、增强数据预测的可行性。研究方法层面，以bp神经网络模型和lstm神经网络模型为主体框架，以水动力模型的模拟数据为辅助支撑，对比单神经网络在不同工况下预测效果，输出网络-水动力组合预测结果，并对预测结果进行分析。结果证明：数据预处理是数据分析的必要环节，也是水位数据预测的关键，高频数据预处理再预测可以提高数据预测的精度；均值滤波、递推中位数均值滤波方式对数据预处理的效果最好，滤后预测精度更高；基于滤后数据进行模型构建，通过对比数据驱动模型和数据-机理双重驱动模型的计算结果，发现模型组合具有较好的稳定性和准确性。
关键词：南水北调中线工程；数据滤波；神经网络；水位预测