《表2 模型输入特征：基于多因素长短时神经网络的日用水量预测方法研究》
提示：宽带有限、当前游客访问压缩模式
分别采用添加前7d的用水量信息（单因素）、添加平均气温（双因素）、添加最高、最低气温（三因素）对同一批数据进行用水量的预测，比较模型的预测结果。模型输入如表2所示。
| 图表编号 | XD00120204500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.10 |
| 作者 | 陆维佳、朱建文、叶圣炯、毛哲凯、信昆仑 |
| 绘制单位 | 同济大学环境科学与工程学院、杭州市水务控股集团有限公司、杭州市水务控股集团有限公司、杭州市水务控股集团有限公司、同济大学环境科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
