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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD