[發明專利]一種水庫水位時間序列預測方法與系統

在審

• 申請號: 202110351303.8
• 申請日: 2021-03-31
• 公開（公告）號: CN112990598A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 張仁貢;鄭重;周國民;李銳;汪建宏;劉半藤
• 申請（專利權）人: 浙江禹貢信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 田金霞

1.一種水庫水位時間序列預測方法，其特征在于，所述方法包括：

獲取多個影響水位變化的歷史因素，以及每一個歷史因素對應的歷史時間序列數據，基于每一個歷史因素對應的歷史時間序列數據，生成高維時間序列數據集；所述歷史因素包括歷史面雨量、歷史蒸發量、歷史水庫流量和歷史實測水位中的一種或多種；

對所述高維時間序列數據集進行預處理；

將一個長短期記憶網絡模型嵌入另一個長短期記憶網絡模型的內部，并替換另一個長短期記憶網絡模型的記憶細胞，以構建嵌套長短期記憶網絡模型，將預處理后的高維時間序列數據集輸入至所述嵌套長短期記憶網絡模型，輸出未來水庫時間序列數據集。

2.根據權利要求1所述的水庫水位時間序列預測方法，其特征在于，所述對所述高維時間序列數據集進行預處理，包括：

對高維時間序列數據集進行標準化處理，生成標準化處理后的高維時間序列數據集；

對標準化處理后的高維時間序列數據集進行降維處理，生成降維處理后的時間序列數據集；

對降維處理后的時間序列數據集進行相空間重構，生成重構后的時間序列數據集。

3.根據權利要求2所述的水庫水位時間序列預測方法，其特征在于，所述對高維時間序列數據集進行標準化處理，生成標準化處理后的高維時間序列數據集，包括：

基于公式1，對高維時間序列數據集中的數據進行數據標準化，得到標準化處理后的高維時間序列數據集；

其中，X為標準化處理后的高維時間序列數據集，N為影響水位變化的歷史因素的總數，X_N為標準化處理后的高維時間序列數據集中每一個歷史因素對應的時間序列數據，為高維時間序列數據集中一個歷史因素對應的時間序列數據，為高維時間序列數據集中一個歷史因素下所有時間序列數據的平均數，為高維時間序列數據集中一個歷史因素下所有時間序列數據的標準差。

4.根據權利要求3所述的水庫水位時間序列預測方法，其特征在于，所述對標準化處理后的高維時間序列數據集進行降維處理，生成降維處理后的時間序列數據集，包括：

將標準化處理后的高維時間序列數據集映射至高維特征空間F，生成映射數據集；標準化處理后的高維時間序列數據集和映射數據集如公式2所示；

其中，X為標準化處理后的高維時間序列數據集，φ(X_i)為映射數據集；

構建映射數據集的協方差矩陣，以及構建映射數據集的協方差矩陣的特征值和特征向量的關系式，關系式如公式2所示；

其中，C為映射數據集的協方差矩陣，λ為映射數據集的協方差矩陣的特征值，v為映射數據集的協方差矩陣的特征向量，φ(X_i)為映射數據集，i為影響水位變化的歷史因素的序號，N為影響水位變化的歷史因素的總數；

依據公式3推導得出公式4；

其中,α_i為方程系數，v為映射數據集的協方差矩陣的特征向量，φ(X_i)為映射數據集，i為影響水位變化的歷史因素的序號；

定義一個N×N的矩陣K_ij：

定義σ為為協方差矩陣中所有數據的標準差，將公式4和公式5代入公式3后化簡得到公式6；

Nλα＝Kα 公式6；

其中，α為i個α_i組成的列向量；

對映射數據集的協方差矩陣的特征向量v進行歸一化，求取樣本φ(X_i)在v上的映射，所述樣本φ(X_i)在v上的映射如公式7所示；

其中，T_i(X)為樣本φ(X_i)在v上的映射；

將T_i(X)作為降維處理后的時間序列數據集。