申请/专利权人:广东工业大学
申请日:2024-01-11
公开(公告)日:2024-04-09
公开(公告)号:CN117851757A
主分类号:G06F18/10
分类号:G06F18/10;G06F18/214;G06F18/243;G06N20/20;G06Q50/26;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明提出了一种基于机器学习的河流流量插补方法及装置、电子设备,包括:收集存在流量缺失的水文站逐日流量数据,同时收集同一条河流上空间相邻的一个或多个水文站的逐日流量数据作为构建模型的基本样本;对的基本样本进行配对处理,得到流量缺失水文站和临近水文站的同期配对样本;根据同期配对样本,以临近水文站的逐日流量为计算指标,计算缺失水文站逐日流量的预测指标;利用同期配对样本和预测指标对XGBoost模进行训练;利用训练后的XGBoost模型,计算存在流量缺失的水文站逐日流量,插补原始数据获得完整的流量时间序列。本发明可有效利用流量缺失水文站所在河流上下游的流量变化信息,提供一种更为精准的插值算法。
主权项:1.一种基于机器学习的河流流量插补方法,其特征在于,包括:收集存在流量缺失的水文站逐日流量数据,同时收集同一条河流上空间相邻的一个或多个水文站的逐日流量数据作为构建模型的基本样本;对所述的基本样本进行配对处理,得到流量缺失水文站和临近水文站的同期配对样本;根据所述同期配对样本,以临近水文站的逐日流量为计算指标,计算缺失水文站逐日流量的预测指标;利用所述同期配对样本和预测指标对XGBoost模进行训练;利用训练后的XGBoost模型,计算存在流量缺失的水文站逐日流量,插补原始数据获得完整的流量时间序列。
全文数据:
权利要求:
百度查询: 广东工业大学 基于机器学习的河流流量插补方法及装置、电子设备
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。