申请/专利权人:长江水利委员会长江科学院;中国长江电力股份有限公司
申请日:2023-09-20
公开(公告)日:2023-12-08
公开(公告)号:CN117195152A
主分类号:G06F18/25
分类号:G06F18/25;G06F18/27;G06F18/10;G06F18/243;G06N20/20;G06N3/0442;G06N3/08;G06Q50/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.26#实质审查的生效;2023.12.08#公开
摘要:本发明公开了一种基于深度学习的坝下支流顶托条件分析系统,属于水位预测计算技术领域,包括以下步骤:S1:数据预处理,从计算目标水利设施的历史运行数据中获取数据,将数据处理为模型训练格式;S2:借助SVR模型或多元线性回归模型,构建单一时段下游水位预测模型;S3:构建随机森林模型,分析不同时段前的坝下支流流量和水位预测误差的权重关系,得到坝下支流对坝下游水位造成顶托影响的阈值;S4:构建深度学习模型,使用LSTM模型构建深度学习坝下水位预测模型,计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。本发明最终得到的坝下支流顶托影响滞时和阈值,可对受到坝下支流顶托影响的水坝下游水位预测分析提供帮助。
主权项:1.一种基于深度学习的坝下支流顶托条件分析系统,其特征在于:包括以下步骤:S1:数据预处理,从计算目标水利设施的历史运行数据中获取数据,将数据处理为模型训练格式;S2:构建机器学习水位预测模型,借助SVR模型或多元线性回归模型,构建单一时段下游水位预测模型;S3:构建随机森林模型,分析不同时段前的坝下支流流量和水位预测误差的权重关系,得到坝下支流对坝下游水位造成顶托影响的阈值;S4:构建深度学习模型,使用LSTM模型构建深度学习坝下水位预测模型,根据对应滞时的坝下支流流量大小进行情景划分,计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。
全文数据:
权利要求:
百度查询: 长江水利委员会长江科学院;中国长江电力股份有限公司 一种基于深度学习的坝下支流顶托条件分析系统
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。