[发明专利]基于神经网络预测水位的方法

摘要

本发明的基于神经网络预测水位的方法包括以下步骤：根据各站点的关系,下游某一站点（A）的水位与该站点（A）的前一段时间的水位相关，并且与该站点（A）上游的若干个上游站点（B、C、D…）的对应的该瞬间的水位相关，根据已有数据分析，水从上游站点（B、C、D…）流到下游的该站点（A）耗时分别为t1、t2和t3…分钟，选取上游站点（B、C、D…）的前2t1‑t1、2t2‑t2和2t3‑t3…分钟水位数据，以及该站点（A）的前U分钟的水位数据作为输入信号；建立一个神经网络；并经过若干次迭代让神经网络进行自我学习，使得神经网络的预测误差小于设定误差；输入该站点（A）前一段时间的水位和若干个上游站点（B、C、D…）的水位数据，基于神经网络预测该站点（A）水位。

主权项

1.一种基于神经网络预测水位的方法，该方法根据若干个上游站点（B、C、D…）的水位来预测下游某一站点A的水位，其特征在于：该方法它包括以下步骤：1）确定输入信号根据各站点的关系, 下游某一站点（A）的水位与该站点（A）的前一段时间的水位相关,并且与该站点（A）上游的若干个上游站点（B、C、D…）的对应的该瞬间的水位相关，根据已有数据分析，水从上游站点（B、C、D…）流到下游的该站点（A）耗时分别为t1、t2和t3…分钟，选取上游站点（B、C、D…）的前2t1‑ t1、2t2‑ t2和2t3‑ t3…分钟的水位数据，以及该站点（A）的前U分钟的水位数据作为输入信号；2）建立一个神经网络该神经网络包括：输入层（1）、隐含层（3）和输出层（5），输入层（1）包括并列的若干个输入点（2），隐含层（3）包括并列的若干个节点（4），输出层（5）包括一个输出点，每个输入点（2）的输出均作为每个节点（4）的输入，每个节点（4）的输出均作为输出层（5）的输入，输出层（5）输出一个信号；3）让神经网络进行自我学习将上游站点（B、C、D…）的前2t1‑ t1、2t2‑ t2、2t3‑ t3…每分钟的水位数据和该站点（A）的前U分钟的每分钟的水位数据中每一个数据作为一个输入点（2）的输入数据，将上述输入数据输入步骤2）的该站点（A）的神经网络中，让神经网络进行自我一次学习，经过若干次自我学习，使得神经网络的预测误差小于设定误差，得到该站点（A）的神经网络；4）基于神经网络预测该站点（A）水位把上游站点（B、C、D…）的前2t1‑ t1、2t2‑ t2和2t3‑ t3…水位数据和该站点（A）的前U分钟的水位数据作为步骤3）的该站点（A）的神经网络的若干个输入点（2）的输入数据，根据步骤3）的该站点（A）的神经网络得到该站点（A）的水位。