公开(公告)号：CN110414742A

公开(公告)日：2019-11-05

申请号：CN201910712704.4

申请日：2019-08-02

Applicant: 大连海事大学

Inventor： 潘明阳 ,  周海南 ,  李邵喜 ,  王枭雄 ,  王德强

IPC: G06Q10/04 ,  G06T5/00 ,  G06N3/08

Abstract: 本发明提供一种多水位站联动的内河水位智能预测方法，包括：准备样本数据，对其进行空缺值填充和SG滤波平滑处理；构建基于GRU的三水位站联动预测模型；采用前向传播和反向传播对步骤S2中构建的三水位站联动预测模型进行训练和预测。本发明技术方案使用GRU(门控循环单元)循环神经网络来构建水位预测模型，与现有技术不同的是，本方案不仅考虑了水位值的时间关系，同时还考虑了水位站间的空间关系。为了预测某个水位站的水位值，本方案不仅仅依赖该水位站的历史数据，同时利用其邻近的上下游水位站的历史数据来辅助建立预测模型，从而减少单站数据的误差，更好地反映水位变化的普遍规律，提高水位预测的准确性。

公开(公告)号：CN111242344A

公开(公告)日：2020-06-05

申请号：CN201911269292.8

申请日：2019-12-11

Applicant: 大连海事大学

Inventor： 潘明阳 ,  周海南 ,  顾网林 ,  李昱 ,  曹佳一 ,  王德强

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于循环神经网络和卷积神经网络的智能水位预测方法，包括：处理空间上相邻的各个水位站长期采集的水位数据，形成水位样本数据；构建基于循环神经网络和卷积神经网络的水位预测模型；利用水位样本数据对水位预测模型进行训练和测试，确定水位预测模型的网络参数；利用训练好的水位预测模型，输入多个空间相邻水位站的一段期间的历史数据，获得中间水位站未来一段期间的预测水位值。本发明的技术方案一方面利用循环神经网络学习水位的变化趋势，另一方面利用卷积神经网络更好地学习到了不同位置的水位站之间水位值的某种关联，从而更加充分利用多水位站的数据，提高内河水位预测的精度。