[發(fā)明專利]一種基于變模態(tài)卷積自編碼關(guān)聯(lián)向量機的徑流量預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201811029273.3
• 申請日: 2018-09-05
• 公開（公告）號: CN109146194A
• 公開（公告）日: 2019-01-04
• 發(fā)明（設(shè)計）人: 白云;王曉雪;張萬娟;李川;楊帥
• 申請（專利權(quán)）人: 重慶工商大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 重慶智慧之源知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50234
• 代理人: 孫方

本發(fā)明公開了一種基于變模態(tài)卷積自編碼關(guān)聯(lián)向量機的徑流量預(yù)測方法，該方法包括以下步驟：收集歷史水情信息(小時徑流數(shù)據(jù))，形成原始序列；在對收集到的小時徑流信息變模態(tài)分解的基礎(chǔ)上，進行卷積自編碼關(guān)聯(lián)向量機建模訓(xùn)練；利用訓(xùn)練好的變模態(tài)卷積自編碼關(guān)聯(lián)向量機預(yù)測未來時刻徑流變化；預(yù)測結(jié)果輸出。本發(fā)明通過對徑流序列模態(tài)分解、模態(tài)特性深度學(xué)習(xí)、模態(tài)關(guān)聯(lián)向量融合和預(yù)測，輔助水文水利工作者及時預(yù)判未來水情變化情況，提高水資源管理智能化水平。

技術(shù)領(lǐng)域

本發(fā)明涉及水文預(yù)報領(lǐng)域，特別涉及一種基于變模態(tài)卷積自編碼關(guān)聯(lián)向量機的徑流量預(yù)測方法。

背景技術(shù)

徑流量預(yù)測在水資源規(guī)劃管理和水庫的運行與管理中都起著重要的作用。特別是對災(zāi)害性水文現(xiàn)象(洪水、干旱等)做出預(yù)報，對防洪、抗旱、水資源調(diào)配做出合理有效決策方案有重要意義。

目前有許多方法用于徑流量預(yù)測，例如水文機制模型、統(tǒng)計概率模型、智能模型等。隨著計算機技術(shù)和硬件條件發(fā)展，水文智能預(yù)測模型受到廣泛關(guān)注和研究。智能模型是一種以建立輸入輸出數(shù)據(jù)之間的最優(yōu)數(shù)學(xué)關(guān)系為目標(biāo)的黑箱方法，結(jié)構(gòu)靈活，自適應(yīng)學(xué)習(xí)能力強，能很好反映徑流序列的非線性、時序性、隨機性等耦合特性。

發(fā)明內(nèi)容

本發(fā)明的目的在于：提出一種基于變模態(tài)卷積自編碼關(guān)聯(lián)向量機的預(yù)測方法，該方法能有效預(yù)測流域小時徑流量。

本發(fā)明為解決上述問題提供以下技術(shù)方案：

一種基于變模態(tài)卷積自編碼關(guān)聯(lián)向量機的徑流量預(yù)測方法，其特征在于，該方法包括以下步驟：

數(shù)據(jù)采集：收集歷史水情信息，形成原始序列，并進行標(biāo)準(zhǔn)化處理；

變模態(tài)卷積自編碼關(guān)聯(lián)向量機建模：在對收集到的小時徑流信息變模態(tài)分解的基礎(chǔ)上，進行卷積自編碼關(guān)聯(lián)向量機建模訓(xùn)練；

預(yù)測未來時刻徑流量：利用訓(xùn)練好的變模態(tài)卷積自編碼關(guān)聯(lián)向量機預(yù)測未來時刻徑流量變化；

預(yù)測結(jié)果輸出。

進一步的，所述數(shù)據(jù)采集步驟還包括：對所述歷史水情信息中記錄的徑流時間序列進行標(biāo)準(zhǔn)化處理。

進一步的，所述歷史水情信息為瞬時流量，在數(shù)據(jù)建模過程中作為小時平均值。

進一步的，變模態(tài)卷積自編碼關(guān)聯(lián)向量機建模包括以下步驟：

1)對收集到的所述歷史水情信息進行變模態(tài)分解，獲得原始序列的模態(tài)信息；

2)將各模態(tài)信息輸入卷積自編碼器中，進行特征學(xué)習(xí)；

3)將步驟2)中特征學(xué)習(xí)結(jié)果輸入到關(guān)聯(lián)向量機中，作特征回歸擬合；

4)將步驟3)中各模態(tài)特性回歸擬合結(jié)果進行模態(tài)線性融合，得到最終結(jié)果。

進一步的，所述步驟2)中卷積自編碼器的特征學(xué)習(xí)為無監(jiān)督學(xué)習(xí)，輸入為徑流量模態(tài)信息，輸出為學(xué)習(xí)結(jié)果。

進一步的，所述步驟3)中回歸擬合為有監(jiān)督學(xué)習(xí)，輸入為卷積自編碼器的輸出，輸出為徑流量。

進一步的，所述預(yù)測未來時刻徑流量具體步驟為：按照訓(xùn)練輸入-輸出模式，將新的水情信息輸入變模態(tài)卷積自編碼關(guān)聯(lián)向量機中，模型輸出即為未來時刻徑流量。

本發(fā)明與現(xiàn)有技術(shù)相比較，有以下優(yōu)點：

1)利用變模態(tài)分解，提高了徑流量時間序列的特性表征度；

2)利用卷積自編碼器，提高了徑流量變化特征的學(xué)習(xí)度；

3)使用變模態(tài)自動編碼關(guān)聯(lián)向量機的新方法進行徑流量預(yù)測。

附圖說明