基于多维动态隶属度的模糊时间序列的天然气月负荷预测

准确的天然气负荷预测对于完善城市燃气供需系统与提高能源利用效率都大有裨益。由于燃气负荷序列受到多种不确定因素的影响,为了捕捉月度负荷的模糊性和非线性等复杂特征,本文结合模糊理论和长短时记忆神经网络(LSTM)的特性,提出了一种基于多维动态隶属度的模糊时间序列的预测新方法。首先,利用模糊C均值聚类(FCM)从原始数据中构建多维隶属度序列;其次,利用LSTM对多维隶属度序列同时进行预测,得到其动态隶属度;最后,去模糊化得到燃气负荷的预测值。应用该模型对四川成都某地区的天然气月度负荷进行了未来三个月的预测,并与经典模糊时间序列(FTS)、ARIMA模型、BP神经网络(BPNN)、LSTM等模型进行对比。实验结果表明,新模型的MAE、RMSE以及MAPE均优于其他模型。因此,本文提出的模型可对城市燃气供给和调度提供有价值的参考。     

长江重庆主城区段突发水污染事故模拟研究

因重庆山城特殊的地势,主城区沿长江和嘉陵江两岸建有多种形式的排水干管,一旦发生管道破裂将危及下游水厂取水口的水质安全。在三峡水库蓄水至175 m水位后,针对长江重庆主城区段可能发生的突发水污染事故,基于实测地形、水文等数据,构建二维水动力水质耦合模型,采用优化反演法率定河道糙率,借助有限元法分别模拟河流在丰、枯水期管道破裂事故发生后在24 h或48 h完全修复的情况下,各类污染物(五日生化需氧量BOD₅、化学需氧量COD、总氮TN、总磷TP)质量浓度随时间和空间的变化。模拟结果可为重庆主城突发排水干管破裂的应急预案优化提供科学依据。