-
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
申请人： 中国地质大学(武汉)
摘要： 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：CN111860974B
公开(公告)日：2022-11-01
申请号：CN202010613418.5
申请日：2020-06-30
申请人： 中国地质大学(武汉)
摘要： 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
申请人： 中国地质大学(武汉)
摘要： 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：CN111311026A
公开(公告)日：2020-06-19
申请号：CN202010198248.9
申请日：2020-03-19
申请人： 中国地质大学(武汉)
摘要： 本发明提供一种顾及数据特征、模型和校正的径流非线性预测方法，采用前向-后向特征选择算法，选择人工神经网络作为驱动模型，优选影响因子；采用季节与趋势分解法将非线性和非平稳的优选影响因子和历史月平均径流序列分解为平稳的季节项、高频项和随机扰动项；采用非线性人工神经网络建立预测模型；最后构建自回归预测校正模型对人工神经网络预测结果进一步修正，获得最终预测结果。本发明的有益效果：与已有的月径流预测方法相比，提出的框架更加系统、全面，特别是数据前处理和后处理技术的使用，能有效提升预测精度；对水库运行优化，水资源优化管理等有重要意义，适合推广。
-
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
申请人： 中国地质大学(武汉)
摘要： 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。
-
-
-
-
搜索结果
5 条记录 (耗时 0.03 秒)
