申请/专利权人：中国电建集团华东勘测设计研究院有限公司

申请日：2023-12-11

公开（公告）日：2024-04-12

公开（公告）号：CN117874635A

主分类号：G06F18/2413

分类号：G06F18/2413;G06F18/214;G06Q50/26;G06F17/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于改进KNN的多模型组合径流预报方法，通过引入相关系数改进多模型水文序列的距离函数计算公式，提升KNN算法在多维径流序列中的数据分类能力；本发明利用改进KNN算法提取历史相似径流样本，将优选出的径流数据引入多模型权值率定，考虑不同训练数据特征对局部预测的影响；本发明提出了一种具有时变权重的自适应组合预报方法，基于局部误差最小化准则对模型分配自适应权重，动态调整模型权重从而实现模型权重的自适应更新；本发明通过耦合改进KNN方法和多模型集成技术，分别从特征数据选择和多模型动态自适应加权两个方面增强了数据驱动预报模型的径流模拟能力，从而解决传统多模型组合径流预报方法局部误差较大的问题。

主权项：1.一种基于改进KNN的多模型组合径流预报方法，其特征在于，包括：步骤S1：获取目标流域的降雨数据、气象数据、径流实测数据；选取多种数据驱动模型对目标流域进行径流预测，获取多个数据驱动模型的径流预报序列，在预报时刻t构建目标序列集合Tt及历史序列集合Ht；步骤S2：提供改进KNN算法用于提取相似序列集合；所述改进KNN算法将传统KNN算法的距离函数改进为预测值序列及实测值序列之间的相关性之和，相关性采用相关系数进行量化，并按照距离值以最小到最大的顺序对历史序列集合中提取出的序列集合进行排序，以识别与当前预报时刻的目标序列集合最邻近的相似序列集合Rt，并将提取出的多个相似序列集合组合为相似序列集合；步骤S3：基于相似性原理，将相似序列集合的最优模型组合策略作为当前时刻多模型预报结果的组合策略，构建多元回归公式提取相似序列集合中多模型预报结果的误差分布特征，选用智能优化算法以最小化误差准则确定最优权重；步骤S4：目标序列集合及历史序列集合中的样本数据随预报时刻的变化不断更新，基于不同时刻相似样本集合中的样本数据计算时变权重以实现模型权重的动态更新，将时变权重与模型预测值组合即可得到预报结果。

全文数据：

权利要求：

百度查询： 中国电建集团华东勘测设计研究院有限公司 一种基于改进KNN的多模型组合径流预报方法

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。

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