[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)可選擇模型提高水儲量變化預(yù)測可靠性方法

在審

• 申請?zhí)枺?/td>: 202110048992.5
• 申請日: 2021-01-14
• 公開（公告）號: CN112989557A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計）人: 鄭偉;尹文杰;石卓婭
• 申請（專利權(quán)）人: 中國空間技術(shù)研究院
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 臧春喜

1.一種基于神經(jīng)網(wǎng)絡(luò)可選擇模型提高水儲量變化預(yù)測可靠性方法，其特征在于，包括：

獲取GLDAS數(shù)據(jù)和TRMM降雨數(shù)據(jù)；

通過偏最小二乘回歸模型PLSR，從GLDAS數(shù)據(jù)和TRMM降雨數(shù)據(jù)中篩選得到預(yù)測變量；

調(diào)用預(yù)測模型，將篩選得到的預(yù)測變量作為預(yù)測模型的輸入，通過預(yù)測模型得到陸地水儲量變化預(yù)測值。

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)可選擇模型提高水儲量變化預(yù)測可靠性方法，其特征在于，偏最小二乘回歸模型PLSR的表達式如下：

其中，VIP_j值表示第j個自變量的指標投影重要性，p表示自變量的個數(shù)，h表示提取的主成分的個數(shù)，t_k表示相關(guān)自變量提取的主成分，R(Y,t_k)表示第k個成分t_k與因變量Y的相關(guān)系數(shù)，w_kj表示第j個自變量對第k個成分t_k上的權(quán)重。

3.根據(jù)權(quán)利要求2所述的基于神經(jīng)網(wǎng)絡(luò)可選擇模型提高水儲量變化預(yù)測可靠性方法，其特征在于，通過偏最小二乘回歸模型PLSR，從GLDAS數(shù)據(jù)和TRMM降雨數(shù)據(jù)中篩選得到預(yù)測變量，包括：

從GLDAS數(shù)據(jù)和TRMM降雨數(shù)據(jù)中提取得到Noah水文模型陸地水儲量變化Noah TWSA、蒸散發(fā)量ET、徑流SR、氣溫AT、風(fēng)速WS和降雨P(guān)RECP，作為偏最小二乘回歸模型PLSR的自變量，并確定自變量的個數(shù)p；

將從GRACE數(shù)據(jù)和GRACE-FO數(shù)據(jù)中提取得到陸地水儲量變化TWSA，作為因變量Y；

對偏最小二乘回歸模型PLSR的自變量和因變量進行標準化處理，得到標準化處理之后的自變量矩陣X₀和因變量矩陣Y₀；

通過主成分分析法，確定第j個自變量X_j的主成分t_k，提取的主成分的個數(shù)h，以及第k個成分t_k與因變量Y的相關(guān)系數(shù)R(Y,t_k)；

通過回歸分析方法，確定第j個自變量對第k個成分t_k上的權(quán)重w_kj；

代入公式(1)，分別求解得到各自變量的指標投影重要性；

根據(jù)求解得到的各自變量的指標投影重要性與設(shè)定閾值的比較結(jié)果，篩選得到滿足設(shè)定閾值要求的自變量作為預(yù)測變量。

4.根據(jù)權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡(luò)可選擇模型提高水儲量變化預(yù)測可靠性方法，其特征在于，根據(jù)求解得到的各自變量的指標投影重要性與設(shè)定閾值的比較結(jié)果，篩選得到滿足設(shè)定閾值要求的自變量作為預(yù)測變量，包括：

若當(dāng)前自變量的指標投影重要性不小于0.8，則將當(dāng)前自變量作為預(yù)測變量；

若當(dāng)前自變量的指標投影重要性小于0.8，則過濾掉當(dāng)前自變量。

5.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)可選擇模型提高水儲量變化預(yù)測可靠性方法，其特征在于，調(diào)用預(yù)測模型，將篩選得到的預(yù)測變量作為預(yù)測模型的輸入，通過預(yù)測模型得到陸地水儲量變化預(yù)測值，包括：

調(diào)用外部輸入非線性自回歸預(yù)測模型NARX、反向傳播預(yù)測模型BP或多元線性回歸預(yù)測模型MLR；

將篩選得到的預(yù)測變量作為非線性自回歸預(yù)測模型NARX、反向傳播預(yù)測模型BP或多元線性回歸預(yù)測模型MLR的輸入；

將非線性自回歸預(yù)測模型NARX、反向傳播預(yù)測模型BP或多元線性回歸預(yù)測模型MLR的輸出作為陸地水儲量變化預(yù)測值。

6.根據(jù)權(quán)利要求5所述的基于神經(jīng)網(wǎng)絡(luò)可選擇模型提高水儲量變化預(yù)測可靠性方法，其特征在于，外部輸入非線性自回歸預(yù)測模型NARX是具有記憶功能的反饋式人工神經(jīng)網(wǎng)絡(luò)ANN，屬于動態(tài)神經(jīng)網(wǎng)絡(luò)，包含多步輸入輸出延時。