[發(fā)明專利]一種水庫日入量預(yù)測模型的構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 202010198509.7
• 申請日: 2020-03-20
• 公開（公告）號: CN111507505A
• 公開（公告）日: 2020-08-07
• 發(fā)明（設(shè)計）人: 戚玉濤;楊玲玲;周詹翱
• 申請（專利權(quán)）人: 蘇州豐華聲赫智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 蘇州周智專利代理事務(wù)所(特殊普通合伙) 32312
• 代理人: 王曉玲

本發(fā)明公開了一種水庫日入量預(yù)測模型的構(gòu)建方法，該構(gòu)建方法包括采用構(gòu)造一種基礎(chǔ)學(xué)習(xí)機(jī)，該學(xué)習(xí)機(jī)利用了平滑預(yù)處理方法，將處理后序列利用時間序列的分解方法得到相關(guān)分量，再對分量建立預(yù)測模型，將預(yù)測結(jié)果重構(gòu)得到相關(guān)預(yù)測結(jié)果，根據(jù)上述步驟得到多個基礎(chǔ)學(xué)習(xí)機(jī)進(jìn)行集成，以集成后的模型對水庫日入水量進(jìn)行預(yù)測。本發(fā)明主要解決了目前水庫日入庫量預(yù)測算法對數(shù)據(jù)特征信息挖掘不足，預(yù)測準(zhǔn)確度不高的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及水文預(yù)報技術(shù)，具體是一種基于對數(shù)變換，時間序列分解重構(gòu)，神經(jīng)網(wǎng)絡(luò)和集成學(xué)習(xí)的水庫日入水量預(yù)測方法,主要用于對水庫的每日流入量進(jìn)行預(yù)測以指導(dǎo)水庫的管理操作，減少不必要的水資源的釋放，可用于水庫的干旱管理、洪水的控制、灌溉用水、水利發(fā)電、工業(yè)生活用水等方面。

背景技術(shù)

水庫是水資源管理的重要組成部分，有效的水庫操作可以減少水的釋放。水庫的流入量預(yù)測對水庫的管理操作是至關(guān)重要的，流量預(yù)測可用于水庫的防汛、抗旱、發(fā)電、生活用水及改善生態(tài)環(huán)境等方面，確定合適的模型對未來水庫流入量進(jìn)行預(yù)測對于水資源規(guī)劃是十分重要的。

為了實(shí)現(xiàn)水庫入庫量精確的預(yù)測各種預(yù)測模型被提出，提出的模型主要分為兩大類一種是基于物理的模型，一種是基于數(shù)據(jù)驅(qū)動的模型。

基于物理的模型采用模擬水文過程的數(shù)學(xué)函數(shù)，并且通常涉及在尺度上具有高空間變異性的復(fù)雜非線性過程，基于物理模型的數(shù)據(jù)源可能非常復(fù)雜且有限，需要手工校準(zhǔn)大量數(shù)據(jù)實(shí)時困難。數(shù)據(jù)驅(qū)動的模型有能力充分模擬水文系統(tǒng)的輸入輸出關(guān)系，而不需要深入了解系統(tǒng)的基本物理過程，數(shù)據(jù)驅(qū)動的方法可直接映射輸入變量和輸出變量之間的關(guān)系來預(yù)測流入，因此很多水文研究者就把注意力放在了數(shù)據(jù)驅(qū)動模型方面。

近幾年嘗試是采用復(fù)雜的神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)流域模型。這種方法的優(yōu)勢是一個具有足夠隱藏層的神經(jīng)網(wǎng)絡(luò)能夠近似任何連續(xù)函數(shù)達(dá)到任意程度的準(zhǔn)確性。例如“基于多尺度特征提取的混合模型預(yù)測方法”，該方法采用集合經(jīng)驗(yàn)?zāi)B(tài)分解對原始水庫數(shù)據(jù)進(jìn)行分解，然后合并成三項(xiàng)趨勢，周期和隨機(jī)項(xiàng)，再用基于深度置信網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)的深度神經(jīng)網(wǎng)絡(luò)模型分別對每一項(xiàng)進(jìn)行預(yù)測，雖然該方法在水庫日入庫量預(yù)測方面存在一定的優(yōu)勢但是對于水庫入水量這一現(xiàn)實(shí)問題而言，其序列可能同時具有多種數(shù)據(jù)特點(diǎn)，單一模型在面對這種特征復(fù)雜的序列數(shù)據(jù)時，往往不具有泛化性，尤其是人工智能算法對數(shù)據(jù)的特征較為敏感，單一模型很難具有較好的泛化能力。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明一種水庫日入量預(yù)測模型的構(gòu)建方法，利用了多種模型對不同數(shù)據(jù)的敏感性不同的特征，克服了單一模型面對復(fù)雜特征的序列數(shù)據(jù)是敏感脆弱，泛化能力弱的問題，實(shí)現(xiàn)水庫日流入量的準(zhǔn)確預(yù)測。

為解決上述技術(shù)問題，本發(fā)明采用的一個技術(shù)方案是：提供一種水庫日入量預(yù)測模型的構(gòu)建方法，所述構(gòu)建方法包括如下步驟：

步驟1：將每日入庫量數(shù)據(jù)利用對數(shù)變換進(jìn)行平滑處理：x＝{x₁，x₂，…，x_u}，X＝lnx，其中，x是待預(yù)測水庫歷史日入庫量數(shù)據(jù)序列，x_u是待預(yù)測水庫第u日入庫量，X是對x平滑處理后的待輸入序列；

步驟2：構(gòu)建多個基礎(chǔ)學(xué)習(xí)機(jī):Y＝{Y₁，Y₂，…，Y_N},其中，Y_N為第N個基礎(chǔ)學(xué)習(xí)機(jī)的數(shù)據(jù)，N為待集成的基礎(chǔ)學(xué)習(xí)機(jī)的數(shù)量；

步驟3：分別利用N個基礎(chǔ)學(xué)習(xí)機(jī)對平滑處理后待輸入序列X進(jìn)行學(xué)習(xí)，得到N個預(yù)測結(jié)果:y＝{y₁(X)，y₂(X)，…，Y_N(X)}，并將N個預(yù)測結(jié)果進(jìn)行集成，得到最終預(yù)測結(jié)果。

為解決上述技術(shù)問題，本發(fā)明采用的進(jìn)一步技術(shù)方案是：

采用式(1)對N個基礎(chǔ)學(xué)習(xí)機(jī)的預(yù)測結(jié)果利用加權(quán)求和法進(jìn)行集成；