一種基于深度學(xué)習(xí)的徑流概率預(yù)測(cè)方法及系統(tǒng)

基本信息

申請(qǐng)?zhí)?/td> CN201911127707.8 申請(qǐng)日 -
公開（公告）號(hào) CN110969290A 公開（公告）日 2020-04-07
申請(qǐng)公布號(hào) CN110969290A 申請(qǐng)公布日 2020-04-07
分類號(hào) G06Q10/04;G06Q50/26;G06F17/18 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 柳昶明;李德富;布斌;李冠軍;李冰;柏海駿;覃暉;張振東;盧桂源 申請(qǐng)（專利權(quán)）人 國(guó)家能源集團(tuán)湖南巫水水電開發(fā)有限公司
代理機(jī)構(gòu) 北京金智普華知識(shí)產(chǎn)權(quán)代理有限公司 代理人 楊采良
地址 422500 湖南省邵陽(yáng)市城步苗族自治縣儒林鎮(zhèn)
法律狀態(tài) -

摘要

摘要 本發(fā)明屬于徑流預(yù)測(cè)技術(shù)領(lǐng)域，公開了一種基于深度學(xué)習(xí)的徑流概率預(yù)測(cè)方法及系統(tǒng)，采用最大信息系數(shù)分析變量間的線性和非線性相關(guān)性以篩選徑流相關(guān)因子；在相關(guān)性分析的基礎(chǔ)上搭建極限梯度提升樹模型，將徑流相關(guān)因子輸入到訓(xùn)練好的XGB模型中完成徑流點(diǎn)預(yù)測(cè)；以XGB模型得到的點(diǎn)預(yù)測(cè)結(jié)果輸入到GPR模型中，二次預(yù)測(cè)得到徑流概率預(yù)測(cè)結(jié)果；選定置信度，通過(guò)高斯分布得到相應(yīng)置信度下的徑流區(qū)間預(yù)測(cè)結(jié)果；采用貝葉斯優(yōu)化算法對(duì)XGB和GPR模型中的超參數(shù)進(jìn)行優(yōu)化。本發(fā)明的預(yù)報(bào)方法可得到高精度的徑流點(diǎn)預(yù)測(cè)結(jié)果、合適的徑流預(yù)測(cè)區(qū)間和可靠的徑流概率預(yù)測(cè)分布，對(duì)水資源的利用和水庫(kù)調(diào)度具有至關(guān)重要的作用。