-
公开(公告)号:CN116756498A
公开(公告)日:2023-09-15
申请号:CN202310394278.0
申请日:2023-04-13
Applicant: 中国长江电力股份有限公司 , 中国地质大学(武汉)
IPC: G06F18/20 , G06N3/0442 , G06N3/08 , G06Q50/26
Abstract: 本发明公开了一种基于LSTM和分位数回归的径流概率预测算法,它包括以下步骤:步骤1:数据预处理;步骤2:特征提取;步骤3:基于多任务学习的概率预测;步骤4:基于误差序列的预测值校正。本发明提出的模型由长短时记忆网络、分位数回归模块和实时误差校正模块组成。其中长短时记忆网络可以挖掘径流数据潜在的时序特征,分位数回归可以实现在没有先验假设的前提下获取概率预测结果,实时误差校正模块可以进一步提高预测精度,缩小预测区间。三者结合提升了模型的准确度并使概率预测更加接近真实分布。
-
公开(公告)号:CN111860974B
公开(公告)日:2022-11-01
申请号:CN202010613418.5
申请日:2020-06-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于状态空间和联合分布的干旱多级预测方法,包括:首先提取干旱指数SPI时间序列,利用一阶状态空间模型解译干旱指数SPI时间序列的状态转移矩阵,并计算待预测时段的干旱状态概率矩阵;然后提取待预测时段前一时段的相关因子,构建每种干旱状态下的相关因子和干旱指数SPI时间序列的联合概率分布,推求相关因子给定情况下的干旱指数的条件概率模型;最后,计算待预测区域在待预测时段T的干旱指数的全状态分布;基于所述干旱指数的全状态分布,计算得到干旱指数的均值和90%概率区间。本发明的有益效果是:状态空间方法能反映干旱不确定性本质;通过多重预测和分类别引入影响因子能提高干旱预测的精度;过程考虑更加全面和精细化。
-
公开(公告)号:CN111275253B
公开(公告)日:2022-09-20
申请号:CN202010045809.1
申请日:2020-01-15
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种融合深度学习和误差校正的径流概率性预测方法及系统,本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法,能提供相比传统机器学习更高的径流预测精度。本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法,能在深度学习基础上,提供概率性的预测结果。
-
公开(公告)号:CN111275253A
公开(公告)日:2020-06-12
申请号:CN202010045809.1
申请日:2020-01-15
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种融合深度学习和误差校正的径流概率性预测方法及系统,本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法,能提供相比传统机器学习更高的径流预测精度。本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法,能在深度学习基础上,提供概率性的预测结果。
-
公开(公告)号:CN111860974A
公开(公告)日:2020-10-30
申请号:CN202010613418.5
申请日:2020-06-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于状态空间和联合分布的干旱多级预测方法,包括:首先提取干旱指数SPI时间序列,利用一阶状态空间模型解译干旱指数SPI时间序列的状态转移矩阵,并计算待预测时段的干旱状态概率矩阵;然后提取待预测时段前一时段的相关因子,构建每种干旱状态下的相关因子和干旱指数SPI时间序列的联合概率分布,推求相关因子给定情况下的干旱指数的条件概率模型;最后,计算待预测区域在待预测时段T的干旱指数的全状态分布;基于所述干旱指数的全状态分布,计算得到干旱指数的均值和90%概率区间。本发明的有益效果是:状态空间方法能反映干旱不确定性本质;通过多重预测和分类别引入影响因子能提高干旱预测的精度;过程考虑更加全面和精细化。
-
公开(公告)号:CN120012981A
公开(公告)日:2025-05-16
申请号:CN202510043853.1
申请日:2025-01-10
Applicant: 中国长江电力股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/22 , G06N5/045 , G06F123/02
Abstract: 本发明公开一种基于数据机理融合模型的渠池上游水位预测方法,它包括以下步骤:步骤1:利用历史数据集构建相似预测历史序列组集;步骤2:构建积分时滞模型预测未来时段内的渠池下游水位;步骤3:将积分时滞预测模型得到渠池下游水位序列结果作为相似分析模型的相关性下游水位序列,通过曼哈顿距离构建相似预测模型,预测历史最相似的渠池下游水位,确定历史同期场景,并预测历史同场景下的渠池上游水位;本发明克服了相似预测模型相关序列偏差的不确定性,显著提高了渠池上游水位的预测精度。
-
公开(公告)号:CN119441844A
公开(公告)日:2025-02-14
申请号:CN202411515725.4
申请日:2024-10-29
Applicant: 中国长江电力股份有限公司 , 长江水利委员会水文局
IPC: G06F18/2132 , G06F18/2431 , G06F18/15
Abstract: 本发明提供一种基于分级熵权法的长江中游后汛期判别方法,耦合了归一化处理、熵值计算、偏离度分析和熵权值确定流程,构建了综合指标计算式,利用模糊分析法对综合指标过程线进行汛期分期计算,从而确定后汛期的起始时间,并据此得到水雨情指标的判别阈值标准,该方法计算过程简洁、客观,易于实现,适用于长江中游流域及其他类似大型流域的洪水管理和水资源调度。通过案例分析,本发明方法能够有效判别长江中游后汛期的起始时间,为水库调度和防洪决策提供准确的时间节点,从而提高水资源利用效率和防洪安全性。本发明不仅提升了后汛期识别的科学性,还具有较好的普适性和推广价值。
-
公开(公告)号:CN119005390A
公开(公告)日:2024-11-22
申请号:CN202410975082.5
申请日:2024-07-19
Applicant: 中国长江电力股份有限公司
IPC: G06Q10/04 , G06F18/214 , G06F18/24 , G06N3/092 , G06N3/0442 , G06N3/0499 , G06F17/18
Abstract: 本发明公开一种基于强化学习的水文径流预测模型自适应选择方法,包括如下步骤:S1、数据准备:收集并整理某水文站的历史径流相关数据,并按时间顺序排列好;在数据分析之前,对数据进行清洗和预处理;S2、特征工程:将原始数据转换为适合机器学习模型使用的特征;S3、样本集构建和数据集划分:根据输入输出大小构建样本集,并将样本集按一定比例划分为训练集和检验集;S4、预测模型训练:使用训练集分别对数据驱动的多个单一预测模型进行训练;S5、强化学习模型训练:利用训练集和DQN算法对上述已经训练好的模型进行自适应选择,并且训练DQN模型;S6、评价指标和性能评估:本发明能在不同工况条件下自适应地选择最优预测模型。
-
公开(公告)号:CN118839125A
公开(公告)日:2024-10-25
申请号:CN202410811057.3
申请日:2024-06-21
Applicant: 中国长江电力股份有限公司 , 三峡大学
IPC: G06F18/20 , G01W1/10 , G01W1/18 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种数值预报产品预报误差校正方法,包括获取数值预报产品预报数据和真实气象数据并计算出预报误差;基于MIC对预报数据和预报误差进行相关性分析,筛选关联因子;采用CEEMDAN将提取的关联因子和误差分解为多个子序列;对传统北方苍鹰优化算法NGO进行改进,得到改进的北方苍鹰算法INGO;对传统LSTM网络改进,得到共享权重门控记忆网络SWGMN;采用SWGMN对每个误差子序列进行预测,将每个误差子序列的预测结果累加得到最终的误差预测结果;将预报数据减去误差预测结果得到预报误差校正结果。本发明将改进的北方苍鹰算法INGO与SWGMN相结合,利用INGO来优化SWGMN的超参数,使得SWGMN的预测性能达到最优状态,进一步提高了总体模型的校正精度。
-
公开(公告)号:CN118735261A
公开(公告)日:2024-10-01
申请号:CN202410858790.0
申请日:2024-06-28
Applicant: 中国长江电力股份有限公司
IPC: G06Q10/0635 , G06Q50/26
Abstract: 本申请提供了复合洪水灾害风险评估方法及系统,方法包括以下步骤:收集研究区灾情相关数据;计算获取复合洪水流域的汇流时间,构建两种复合洪水序列,并计算两者的重合年份占比;基于赤池信息准则,优选Copula函数;根据优选的Copula函数,计算获取两种复合洪水序列的联合分布概率,并从两种复合洪水序列中进行采样,构建复合洪水采样序列;输入复合洪水采样序列至构建的洪灾损失评估模型中,获取洪灾损失值;根据复合洪水采样序列的联合分布概率以及计算得到的相应洪灾损失值,基于期望年损失计算研究区的复合洪水灾害风险。本申请实现准确地评估复合洪水灾害风险,为流域防洪减灾以及科学实施洪水预警提供重要科学依据。
-
-
-
-
-
-
-
-
-