基于LSTM-GA的三峡水库水质模拟及优化调度方案研究OA

【目的】探究三峡水库调度对库区水质的影响机理,为三峡库区水质保护及突发性水污染事件应急处理提供理论借鉴。【方法】基于2021年三峡库区13个水质监测站的逐日数据及三峡水库调度数据,利用多层感知器(MLP)、卷积神经网络(CNN)、长短期记忆网络(LSTM)等方法,构建并优选库区水质模拟模型,引入遗传算法(GA)进行求解,得到以库区水质改善为目标的优化调度方案。【结果】(1)2021年三峡库区多数断面的总氮浓度有不同程度的超标现象。(2)LSTM在库区3个典型断面的水质模拟中均具有较高的精度(决定系数R^(2)均值为0.92),经2022年朱杨溪断面实际数据验证(R^(2)为0.88),模型可靠性强。(3)以水质改善为目标的三峡水库优化调度方案可将朱杨溪断面日均总氮浓度削减28.95%。【结论】相较于MLP、CNN,LSTM在揭示水库调度对库区水质的影响机理中展现出突出优势,LSTM-GA方法可以高效求解以改善库区水质为目标的优化调度方案,具有理论可行性。未来可根据具体场景需求将该方法与现有三峡水库多目标优化调度模型融合,提高三峡水库精细化科学调度水平。