公开(公告)号：CN109902801B

公开(公告)日：2020-11-17

申请号：CN201910058334.7

申请日：2019-01-22

申请人： 华中科技大学 ,  长江水利委员会长江科学院

发明人： 覃晖 ,  刘永琦 ,  许继军 ,  肖雪 ,  姚立强 ,  李清清 ,  张振东 ,  李杰 ,  裴少乾 ,  卢健涛 ,  朱龙军 ,  汤凌云 ,  刘冠君 ,  田锐

IPC分类号： G06N3/04 ,  G06N3/08 ,  G06N5/04 ,  G01W1/10

摘要： 本发明公开了一种基于变分推理贝叶斯神经网络的洪水集合预报方法，包括：设置贝叶斯神经网络各层维度；选定贝叶斯神经网络的权重参数的先验概率分布，通过变分参数对贝叶斯神经网络的权重参数进行参数化，来近似贝叶斯神经网络的权重参数的后验概率分布；计算先验概率分布与变分后验概率分布的相对熵，并根据训练数据集计算期望对数似然函数；根据相对熵和期望对数似然函数，构建目标函数；最大化目标函数，训练变分推理参数；使用训练好的变分推理贝叶斯神经网络，对未知洪水进行集合预报。本发明将变分推理与BNN模型结合，通过变分分布近似贝叶斯网络模型权重参数的后验概率，简化了计算过程，定量描述洪水预报的不确定性，提高准确度。

公开(公告)号：CN109902801A

公开(公告)日：2019-06-18

申请号：CN201910058334.7

申请日：2019-01-22

申请人： 华中科技大学 ,  长江水利委员会长江科学院

发明人： 覃晖 ,  刘永琦 ,  许继军 ,  肖雪 ,  姚立强 ,  李清清 ,  张振东 ,  李杰 ,  裴少乾 ,  卢健涛 ,  朱龙军 ,  汤凌云 ,  刘冠君 ,  田锐

IPC分类号： G06N3/04 ,  G06N3/08 ,  G06N5/04 ,  G01W1/10

摘要： 本发明公开了一种基于变分推理贝叶斯神经网络的洪水集合预报方法，包括：设置贝叶斯神经网络各层维度；选定贝叶斯神经网络的权重参数的先验概率分布，通过变分参数对贝叶斯神经网络的权重参数进行参数化，来近似贝叶斯神经网络的权重参数的后验概率分布；计算先验概率分布与变分后验概率分布的相对熵，并根据训练数据集计算期望对数似然函数；根据相对熵和期望对数似然函数，构建目标函数；最大化目标函数，训练变分推理参数；使用训练好的变分推理贝叶斯神经网络，对未知洪水进行集合预报。本发明将变分推理与BNN模型结合，通过变分分布近似贝叶斯网络模型权重参数的后验概率，简化了计算过程，定量描述洪水预报的不确定性，提高准确度。

公开(公告)号：CN109636226A

公开(公告)日：2019-04-16

申请号：CN201811573140.2

申请日：2018-12-21

申请人： 华中科技大学 ,  长江勘测规划设计研究有限责任公司

发明人： 覃晖 ,  刘永琦 ,  张振东 ,  张睿 ,  邹强 ,  王学敏 ,  银星黎 ,  李杰 ,  卢健涛 ,  成良歌 ,  裴少乾 ,  朱龙军

IPC分类号： G06Q10/06 ,  G06N3/12

CPC分类号： G06Q10/0631 ,  G06N3/126

摘要： 本发明公开了一种兼顾发电、航运的水库多目标分级防洪调度方法，该方法主要包括：设计分级防洪调度规则(HFOR)的形式；根据分级防洪调度规则对决策变量进行编码；建立考虑防洪、发电以及航运的水库多目标数学模型；最后采用基于分解的多目标进化算法MOEA/D对多目标数学模型进行求解，得到兼顾发电、航运的水库分级防洪调度规则的最优解集。本发明能够充分利用中小型洪水，权衡水库调度的防洪目标、发电目标和航运目标，在满足水库防洪安全的前提下最大限度地提高水库调度的综合效益，可广泛应用于水库实际调度。

公开(公告)号：CN110059867B

公开(公告)日：2021-01-19

申请号：CN201910238384.3

申请日：2019-03-27

申请人： 华中科技大学 ,  中国水利水电科学研究院

发明人： 覃晖 ,  张振东 ,  王超 ,  曾小凡 ,  刘永琦 ,  银星黎 ,  李杰 ,  卢健涛 ,  成良歌 ,  裴少乾 ,  朱龙军 ,  刘冠君 ,  汤凌云 ,  田锐

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

摘要： 本发明公开一种共享权重长短期记忆网络(SWLSTM)结合高斯过程回归(GPR)的风速预测方法，该方法主要包括：采用共享权重来简化标准长短期记忆网络(LSTM)的结构；利用结合了mini‑batch机制的Adam优化算法来训练SWLSTM，得到具有高准确率的风速点预测结果；将SWLSTM得到的点预测结果作为GPR的输入，二次预测得到风速概率预测结果；选定置信度，通过高斯分布得到相应置信度下的风速区间预测结果。本发明的预测方法通过共享权重缩减了LSTM的训练时间，结合GPR使得SWLSTM有能力进行概率预测和区间预测。SWLSTM‑GPR可得到高精度的风速点预测结果，合适的风速区间预测结果和可靠的风速概率预测分布，对风电的规划和应用具有重要意义。

公开(公告)号：CN110059867A

公开(公告)日：2019-07-26

申请号：CN201910238384.3

申请日：2019-03-27

申请人： 华中科技大学 ,  中国水利水电科学研究院

发明人： 覃晖 ,  张振东 ,  王超 ,  曾小凡 ,  刘永琦 ,  银星黎 ,  李杰 ,  卢健涛 ,  成良歌 ,  裴少乾 ,  朱龙军 ,  刘冠君 ,  汤凌云 ,  田锐

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

摘要： 本发明公开一种共享权重长短期记忆网络(SWLSTM)结合高斯过程回归(GPR)的风速预测方法，该方法主要包括：采用共享权重来简化标准长短期记忆网络(LSTM)的结构；利用结合了mini-batch机制的Adam优化算法来训练SWLSTM，得到具有高准确率的风速点预测结果；将SWLSTM得到的点预测结果作为GPR的输入，二次预测得到风速概率预测结果；选定置信度，通过高斯分布得到相应置信度下的风速区间预测结果。本发明的预测方法通过共享权重缩减了LSTM的训练时间，结合GPR使得SWLSTM有能力进行概率预测和区间预测。SWLSTM-GPR可得到高精度的风速点预测结果，合适的风速区间预测结果和可靠的风速概率预测分布，对风电的规划和应用具有重要意义。