申请/专利权人:广东工业大学
申请日:2021-10-27
公开(公告)日:2024-03-29
公开(公告)号:CN113837493B
主分类号:G06Q50/26
分类号:G06Q50/26;G06N3/0499;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.03.29#授权;2022.01.11#实质审查的生效;2021.12.24#公开
摘要:本发明涉及一种水库下游TDG浓度生成预测方法、装置、存储介质以及电子设备,该方法包括:获取水库上游在目标时段之前的预设时段的历史来水量以及水库上游在目标时段的降雨量,输入至水库上游来水量预测模型,获得水库上游在目标时段的来水量,获取水库下泄流量、水库消力池出口水深以及水库消力池出口处的TDG浓度,采用响应曲面法建立水库下游的TDG浓度预测模型,根据水库运行调度方案,获得目标时段的水库下泄流量和目标时段的消力池出口水深,根据建立的所述TDG浓度预测模型,获得目标时段的水库下游TDG浓度,考虑水库下泄流量和水库消力池出口水深对水库消力池出口处的TDG浓度的影响,从而提高了TDG浓度生成的精度。
主权项:1.一种水库下游TDG浓度生成预测方法,其特征在于,包括:获取水库上游在目标时段之前的预设时段的历史来水量以及水库上游在目标时段的降雨量;将所述目标时段之前的预设时段的历史来水量、以及水库上游在目标时段的降雨量输入至水库上游来水量预测模型,获得水库上游在目标时段的来水量;其中,对水库上游在若干个训练时段的历史来水量和对应的若干个所述训练时段之前的预设时段的历史来水量进行相关性分析,获得皮尔逊相关系数;根据所述皮尔逊相关系数,获得若干个所述训练时段之前的预设时段的目标历史来水量;将若干个所述训练时段之前的预设时段的目标历史来水量和对应的水库上游在若干个所述训练时段的降雨量作为BP神经网络的输入变量,将水库上游在若干个所述训练时段的历史来水量作为所述BP神经网络的输出变量;将所述输入变量和所述输出变量进行预处理,获得预处理后的输入变量和输出变量;将所述预处理后的输入变量输入至所述BP神经网络进行计算,获得预测值;根据平方损失函数计算所述预测值与所述输出变量之间的平方损失值,且在所述平方损失值大于预设阈值时,通过反向传播算法和梯度下降算法优化所述BP神经网络的网络参数,并根据优化后的所述BP神经网络,重复计算所述平方损失值,直至所述平方损失值下降至所述预设阈值,将对应的所述BP神经网络作为所述水库上游来水量预测模型;获取目标时段之前的预设时段的水库观测数据;所述水库观测数据包括水库下泄流量、水库消力池出口水深以及水库消力池出口处的TDG浓度;根据所述水库下泄流量、所述消力池出口水深和所述消力池出口处的TDG浓度,采用响应曲面法建立水库下游的TDG浓度预测模型;其中,所述TDG浓度预测模型为: Y是所述消力池出口处TDG浓度,X1是所述水库下泄流量,X2是所述消力池出口水深,K1、K2、K3、K4、K5和K6是TDG浓度预测模型的模型参数;将水库在目标时段的来水量输入至水库运行调度方案,获得目标时段的水库下泄流量和目标时段的消力池出口水深;根据所述目标时段的水库下泄流量、所述目标时段的消力池出口水深以及所述TDG浓度预测模型,获得目标时段的水库下游TDG浓度。
全文数据:
权利要求:
百度查询: 广东工业大学 水库下游TDG浓度生成预测方法及装置
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。