[發明專利]一種基于樣本學習的積澇水位預測方法

有效

• 申請號: 201910160106.0
• 申請日: 2019-03-04
• 公開（公告）號: CN109978235B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 錢崢;姚金良
• 申請（專利權）人: 寧波市氣象服務中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.一種基于樣本學習的積澇水位預測方法，其特征在于利用對已有歷時數據的學習來預測積澇水位,其主要包括如下三部分：積澇站數據的預處理，面向積澇水位預測的深度神經網絡回歸模型的構建，以及面向積澇水位預測的深度神經網絡回歸模型的訓練和實時預測；所述的積澇站數據的預處理是將積澇站獲得的歷時降雨量和水位數據進行處理，轉換為可用于學習和預測的標準數據；所述的面向積澇水位預測的深度神經網絡回歸模型的構建是基于給定城市區域的歷時水位和降雨量數據以及預估的未來降雨量針對性地設計深度神經網絡回歸模型；所述的面向積澇水位預測的深度神經網絡回歸模型的訓練和實時預測是指采用深度學習方法進行模型的訓練，從而獲得模型參數，并根據訓練好的模型參數和實時輸入數據進行實時預測的過程；

積澇站數據的預處理部分，根據積澇站的歷時數據生成可用于學習的特征向量和輸出值的對應表，并進行數據的標準化；

積澇站的歷時數據是一個帶有時間標記的水位和降雨量的序列，可表示為：[(T₁,L₁,F₁),(T₂,L₂,F₂),…,(T_i,L_i,F_i),…,(T_c,L_c,F_c)],其中T_i表示對應的時刻，L_i表示T_i時刻積澇站的水位，F_i表示在(T_i-1，T_i)時間內的降雨量；T_c表示當前時刻；設定一個固定參數M，表示當前的水位只與M分鐘之前的水位和前M分鐘的降雨量相關；為了預測時刻的水位，構建一個特征向量X，該特征向量包括：從時刻到T_c時刻的降雨量和水位信息，以及從T_c時刻到時刻之間的降雨量F_g；在進行實時預測時，F_g通過天氣預報估計得到；

篩選積澇站的歷時數據，對歷時數據中的每個數據判斷當前水位和前M分鐘降雨量是否有一個不為0，如果有一個不為0，則作為一個有效數據，并獲取當前水位，前M分鐘每個時刻的水位和降雨量，以及后K分鐘的降雨量，作為一個樣本的特征向量X_i，并將K分鐘的水位作為該樣本的輸出值Y_i，從而構建了一個樣本庫：{(X_i，Y_i)，i∈[1,N]},N為樣本數量；其中一個樣本的特征向量包括：個前水位信息，個前降雨量，和1個后K分鐘的降雨量，特征向量的長度為：

2.如權利要求1所述的一種基于樣本學習的積澇水位預測方法，其特征在于通過計算樣本中每個特征值和輸出值的均值和方差,然后用均值和方差對對應的特征值進行標準化，其標準化公式如下所示；

xb_ij＝(X_ij-mean(X_j))/variance(X_j)

yb_i＝(y_i-mean(Y))/variance(Y)

其中xb_ij是第i個樣本中第j個特征值X_ij標準化結果，yb_i是第i個樣本的輸出值y_i的標準化結果；mean(X_j)和variance(X_j)分別是對樣本庫中所有樣本的第j個特征求均值和方差，mean(Y)和variance(Y)是對樣本庫中所有輸出值求均值和方差。