一种基于深度学习的径流概率预测方法及系统

    公开(公告)号:CN110969290B

    公开(公告)日:2023-09-26

    申请号:CN201911127707.8

    申请日:2019-11-18

    Abstract: 本发明属于径流预测技术领域,公开了一种基于深度学习的径流概率预测方法及系统,采用最大信息系数分析变量间的线性和非线性相关性以筛选径流相关因子;在相关性分析的基础上搭建极限梯度提升树模型,将径流相关因子输入到训练好的XGB模型中完成径流点预测;以XGB模型得到的点预测结果输入到GPR模型中,二次预测得到径流概率预测结果;选定置信度,通过高斯分布得到相应置信度下的径流区间预测结果;采用贝叶斯优化算法对XGB和GPR模型中的超参数进行优化。本发明的预报方法可得到高精度的径流点预测结果、合适的径流预测区间和可靠的径流概率预测分布,对水资源的利用和水库调度具有至关重要的作用。

    一种基于深度学习的径流概率预测方法及系统

    公开(公告)号:CN110969290A

    公开(公告)日:2020-04-07

    申请号:CN201911127707.8

    申请日:2019-11-18

    Abstract: 本发明属于径流预测技术领域,公开了一种基于深度学习的径流概率预测方法及系统,采用最大信息系数分析变量间的线性和非线性相关性以筛选径流相关因子;在相关性分析的基础上搭建极限梯度提升树模型,将径流相关因子输入到训练好的XGB模型中完成径流点预测;以XGB模型得到的点预测结果输入到GPR模型中,二次预测得到径流概率预测结果;选定置信度,通过高斯分布得到相应置信度下的径流区间预测结果;采用贝叶斯优化算法对XGB和GPR模型中的超参数进行优化。本发明的预报方法可得到高精度的径流点预测结果、合适的径流预测区间和可靠的径流概率预测分布,对水资源的利用和水库调度具有至关重要的作用。

    一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法

    公开(公告)号:CN108112049A

    公开(公告)日:2018-06-01

    申请号:CN201711351966.X

    申请日:2017-12-15

    CPC classification number: H04W40/10 G06N3/006 H04W52/0209

    Abstract: 本发明公开了一种基于鲸鱼群算法的无线传感器网络能效优化分簇方法,包括,汇聚节点将初始配置信息分别发送到所有簇头节点和普通节点,并对网络信息进行汇聚采集;根据当前网络信息,获得所有簇头节点到汇聚节点的最优路由方案和最优分簇方案;根据最优分簇方案和最优路由方案,对整个无线传感器网络进行分簇路由配置;簇头节点对所在分簇进行数据融合并发送到汇聚节点,完成信息汇聚采集。本发明技术方案的方法,在能效优化分簇问题中引入改进的鲸鱼群算法,利用改进鲸鱼群算法在多峰优化问题的求解能力,求解无线传感器网络能效优化分簇问题;同时,路由算法能够有效平衡簇头节点在转发数据时的能量消耗,从而有利于进一步延长网络生命周期。

Patent Agency Ranking