[发明专利]水库日入水量预测方法

权利要求书

1.一种水库日入量预测模型的构建方法，其特征在于，方法包括：

步骤1，构建训练集，所构建的训练集包含Q个样本，其中样本x_q＝{x_q1,x_q2,…,x_qu,…，x_qU，x_q(U+1)}表示训练集中的第q个样本，q＝1,2,3,…,Q，Q为大于等于1的正整数，u＝1,2,3,……,U，U为大于等于1的正整数，x_qu＝lnx(t),x(t)∈X，X是待预测水库历史日入库量数据序列，x(t)是待预测水库t日的入水量，U为待预测水库历史日入库量数据序列X的嵌入维数；

步骤2，构建初始LSTM网络模型，所构建的初始LSTM网络模型的输入节点数为U，输出节点数为1；

步骤3：用归一化后的训练集对初始LSTM网络模型进行训练，得到水库日入量预测模型，样本x_q中前U个数据是LSTM网络模型的输入数据，最后一个数据是输入数据对应的目标输出。

2.如权利要求1所述的水库日入量预测模型的构建方法，其特征在于，所构建的初始LSTM网络模型的隐藏层数为1、2或3，隐层节点数为5、10、15、20或25。

3.如权利要求1所述的水库日入量预测模型的构建方法，其特征在于，所述待预测水库历史日入库量数据序列X的嵌入维数为采取虚假最近邻点法求取的待预测水库历史日入库量数据序列X的嵌入维数。

4.一种水库日入量预测方法，其特征在于，方法包括：

步骤(1)、构建样本集，所构建的样本集包含I个样本，其中任意样本x_i＝{x_i1,x_i2,…,x_id,…,x_iD，x_i(D+1)}表示样本集中的第i个样本，i＝1,2,3,…,I，I为大于等于1的正整数，d＝1,2,3,…,D，D为大于等于1的正整数，x_id＝lnx(t)，x(t)∈X，X是待预测水库历史日入库量数据序列，x(t)是待预测水库t日的入水量，D为待预测水库历史日入库量数据序列X的嵌入维数；

选取样本集中接近预测当年的日入库量数据序列对应的子样本集为测试集，其余的子样本集为训练集；

步骤(2)，构建初始LSTM网络模型，所构建的初始LSTM网络模型的输入节点数均为D，输出节点数均为1；

步骤(3)，用归一化后的训练集对初始LSTM网络模型进行训练，得到水库日入量预测初始模型，样本x_i中前D个数据是模型的输入数据，最后一个数据是输入数据对应的目标输出；

步骤(4)，将归一化后的测试集作为水库日入量预测模型的输入，经模型计算后得到对数预测集，对对数测试集中的各样本进行对数还原得到测试结果集。

5.如权利要求4所述的水库日入量预测方法，其特征在于，所构建的初始LSTM网络模型的隐藏层数为1、2或3，隐层节点数为5、10、15、20或25。

6.如权利要求4所述的水库日入量预测模型的构建方法，其特征在于，所述待预测水库历史日入库量数据序列X的嵌入维数为采取虚假最近邻点法求取的待预测水库历史日入库量数据序列X的嵌入维数。

7.如权利要求4所述的水库日入量预测模型的构建方法，其特征在于，待预测水库的历史日入库量数据序列中R-1年前的日入库量数据序列对应的子样本集为训练集，R-1年的日入库量数据序列对应的子样本集为测试集，R是预测当年。