申请/专利权人:水利部交通运输部国家能源局南京水利科学研究院
申请日:2024-01-18
公开(公告)日:2024-04-16
公开(公告)号:CN117892162A
主分类号:G06F18/23213
分类号:G06F18/23213;G06F18/214;G06F17/16;G06N20/00
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开了一种基于非负矩阵分解和机器学习的流域径流预报方法,包括:采集流域历史水文数据,并计算所述历史水文数据之间的相关性,通过计算结果筛选输入数据集;对输入数据集进行非负矩阵分解,提取历史水文数据的特征因子集合,获得聚类矩阵;将聚类矩阵作为机器学习模型的输入数据,输出对应径流预测结果。本发明通过非负矩阵分解提取历史水文数据的特征因子并完成聚类,有效减少噪声数据,降低数据维度,增强了机器学习模型的预测能力和稳定性。
主权项:1.一种基于非负矩阵分解和机器学习的流域径流预报方法,其特征在于,包括:采集流域历史水文数据,并计算所述历史水文数据之间的相关性,通过计算结果筛选输入数据集;对所述输入数据集进行非负矩阵分解,提取历史水文数据的特征因子集合,获得聚类矩阵;将所述聚类矩阵作为机器学习模型的输入数据,输出对应径流预测结果。
全文数据:
权利要求:
百度查询: 水利部交通运输部国家能源局南京水利科学研究院 一种基于非负矩阵分解和机器学习的流域径流预报方法
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。