[发明专利]水库日入水量预测方法

摘要

本发明公开了水库日入水量预测方法，主要解决目前水库日入库量预测模型结构复杂，预测准确度不高的问题。本发明首先通过对数变换降低原始数据的波动性，然后经过LSTM神经网络学习处理后的水库入库量数据变化特征，最后实现水库日入库量的预测。采用LSTM神经网络的方法只需要历史数据的信息就可以充分模拟水文系统的输入输出关系，不需要深入了解系统的基本物理过程。该方法利用了LSTM时间序列分析的优势，LSTM中的输入门，输出门和忘记门使得它可以学习短期和长期时间跨度的时间序列，在水库日入库量序列预测中可以得到更准确的预测结果。

主权项

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xq＝{xq1,xq2,…,xqu,…，xqU，xq(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，xqu＝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xq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。