申请/专利权人:中国长江三峡集团有限公司
申请日:2023-03-28
公开(公告)日:2023-07-07
公开(公告)号:CN116402209A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/06;G06N3/084;G06N3/086;G06N3/04;G06N3/048;G06N3/0499
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.07.25#实质审查的生效;2023.07.07#公开
摘要:本发明涉及基于改进神经网络模型的三峡水库坝前来漂量预测方法,包括:采集三峡水库入库流量、出库流量以及坝前来漂量数据并划分训练、测试集;设定粒子群算法以及改进的神经网络结构和参数;利用训练集对改进的神经网络进行训练,训练中利用改进的粒子群算法对改进的神经网络的权值和阈值进行优化求解;计算预测误差并判断是否合格;将训练好的改进的神经网络用于三峡水库坝前来漂量的实时预测。本发明利用粒子群算法对误差逆传播神经网络的训练过程进行优化改进后,将改进的误差逆传播神经网络作为三峡水库坝前来漂量预测模型,使预测模型的连接权重更加逼近最优的理想值,提高了来漂量预测精度以及针对库坝数据信息不确定性的适应能力。
主权项:1.基于改进神经网络模型的三峡水库坝前来漂量预测方法,其特征在于,所述坝前来漂量预测方法利用神经网络建立来漂量预测模型,并采用高斯径向基函数作为神经网络输出层的激活函数,得到改进的神经网络作为来漂量预测模型;所述坝前来漂量预测方法包括以下步骤:步骤1:采集三峡水库入库流量、出库流量以及坝前来漂量数据,对得到的数据集进行特征工程和数据预处理,并划分训练集和测试集;步骤2:设定粒子群算法以及改进的神经网络结构和参数;步骤3:利用训练集对改进的神经网络进行训练,训练过程中利用改进的粒子群算法对改进的神经网络的权值和阈值进行优化求解;步骤4:利用测试集对训练后的改进神经网络进行测试,计算预测误差;步骤5:判断预测误差是否在允许范围之内,若是,则结束训练,执行步骤6,否则,执行步骤3对改进的神经网络进行训练;步骤6:将训练好的改进的神经网络用于三峡水库坝前来漂量的实时预测。
全文数据:
权利要求:
百度查询: 中国长江三峡集团有限公司 基于改进神经网络模型的三峡水库坝前来漂量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。