一种径流概率预报方法
    5.
    发明公开

    公开(公告)号:CN109344999A

    公开(公告)日:2019-02-15

    申请号:CN201811045131.6

    申请日:2018-09-07

    IPC分类号: G06Q10/04 G06Q50/26 G06K9/62

    摘要: 本发明公开一种径流概率预报方法,其中,该方法主要包括:采用基于K-medoids的聚类方法对训练集进行聚类,得到隐含马尔科夫模型HMM的初始化参数;利用Baum–Welch算法对HMM进行学习,得到HMM的状态转移概率矩阵以及观测模型的概率分布;根据贝叶斯信息准则BIC进行模型选择,选择适宜该训练集的HMM状态个数;最终根据给出的预报因子,结合高斯混合回归GMR推理得到条件概率分布函数作为径流概率预报。本发明的概率预报方法引入了径流隐含状态的概念,可利用水文、地形、气象等诸多因素训练得到隐含状态转移概率矩阵,得到有效可靠的未来径流概率预报分布,为水库优化调度决策提供科学依据。

    一种基于邻域门长短期记忆网络的风速预测方法及系统

    公开(公告)号:CN109063939A

    公开(公告)日:2018-12-21

    申请号:CN201811296424.1

    申请日:2018-11-01

    IPC分类号: G06Q10/04 G06N3/02 G01W1/10

    摘要: 本发明属于风速预测技术领域,公开了一种基于邻域门长短期记忆网络的风速预测方法及系统,分别采用皮尔逊相关系数和最大信息系数来探究变量间的线性和非线性相关性以筛选风速相关因子;在相关性分析的基础上利用格兰杰因果关系检验探究风速及风速因子在统计意义上的因果关系;将因果关系的结构分为5类,并通过“分解‑虚变量‑剪枝”的方法将所有类型的因果关系统一为一种等价树因果关系结构;针对等价树因果关系结构,提出基于邻域门的长短期记忆网络模型来预测风速。本发明的预报方法(NLSTM)精确考虑了风速及风速因子之间的因果关系,有效提高了风速的预测精度,对风电的应用和电网的调度具有至关重要的作用。

    一种基于邻域门长短期记忆网络的风速预测方法及系统

    公开(公告)号:CN109063939B

    公开(公告)日:2020-08-18

    申请号:CN201811296424.1

    申请日:2018-11-01

    IPC分类号: G06Q10/04 G06N3/02 G01W1/10

    摘要: 本发明属于风速预测技术领域,公开了一种基于邻域门长短期记忆网络的风速预测方法及系统,分别采用皮尔逊相关系数和最大信息系数来探究变量间的线性和非线性相关性以筛选风速相关因子;在相关性分析的基础上利用格兰杰因果关系检验探究风速及风速因子在统计意义上的因果关系;将因果关系的结构分为5类,并通过“分解‑虚变量‑剪枝”的方法将所有类型的因果关系统一为一种等价树因果关系结构;针对等价树因果关系结构,提出基于邻域门的长短期记忆网络模型来预测风速。本发明的预报方法(NLSTM)精确考虑了风速及风速因子之间的因果关系,有效提高了风速的预测精度,对风电的应用和电网的调度具有至关重要的作用。