摘要：电力负荷数据的多样性与复杂性,会导致负荷预测过程中出现超参数难以确定、拟合效果较差和预测精度不高等问题。针对以上问题,提出一种基于樽海鞘群算法的融入注意力机制的双向长短期记忆神经网络模型——SSA-AM-BiLSTM模型。该模型使用BiLSTM学习特征的内部变化规律,引入注意力机制为特征进行权重分配,并且利用樽海鞘群算法优化网络超参数。基于具体数据集进行的负荷预测仿真实验表明,相较于GRU、LSTM、AM-BiLSTM和PSO-AM-BiLSTM模型,所提出的SSA-AM-BiLSTM模型的MAPE分别减少了2.15%、1.93%、1.42%和0.45%,并且优化了拟合效果,显著提高了预测精度。

摘要：针对武汉市地势低洼易涝、人口产业高度集聚、洪涝遭遇风险大等突出问题,采用“子流域/排涝分区分析—流域/片区复核—体系综合集成”的技术方法与路线,系统研究了武汉市防洪排涝体系建设的思路、布局和建设标准,提出了加强防洪体系建设、加强排涝体系建设和强化洪涝水管理与调度的主要措施。