径流预测方法及装置、计算机可读存储介质、计算机设备与流程

本发明涉及径流预测领域和计算机领域，尤其涉及一种径流预测方法及装置、计算机可读存储介质、计算机设备。

背景技术：

1、随着科学技术的发展，为了适应新发展阶段对水利工作的要求，水资源研究需要向智慧化发展。水文时间序列数据是实现智慧水利的基础，通过深度学习和人工智能等技术分析和预测水文时间序列，可以揭示水文变化规律，有助于水资源的有效规划和管理。因此，深入分析和准确预测水文时间序列，揭示和认识水文变化规律，对水资源进行有效的规划和管理，将成为未来地球水文科学的重要研究方向。

2、现有的水文预测主要涵盖了三种关键方法：传统水文预测方法，机器学习方法和深度学习方法。然而传统水文预测方法赖线性方法，如自差分自回归移动平均模型(autoregressive integrated moving average model，简称arima model)及其改进模型。然而，基于线性方法的统计模型不能有效地提取随机和非线性时间序列的信息特征，难以应对非线性和随机时间序列的复杂性。机器学习和深度学习的算法容易受初始参数影响，产生局部最优或过拟合问题，造成预测不准确。

3、鉴于上述模型的不足，本文提出一种能够解决改进的径流预测模型，以提高预测的准确性。

技术实现思路

1、如背景技术所言，本发明解决的技术问题是如何提高径流预测的准确性。

2、为解决上述问题，在第一方面，本申请提供一种径流预测方法，所述方法包括：获取径流时间序列的原始数据；将所述原始数据输入至预测模型中，得到预测结果；其中，所述预测模型经过数据训练得到，所述预测模型具有权重自调节功能。

3、可选的，所述预测模型包括多个第一网络和第二网络，所述将所述原始数据输入至预测模型中，得到预测结果，包括：将所述原始数据输入至各个所述第一网络中，得到多个中间结果；将所述多个中间结果输入至所述第二网络中，得到所述预测结果；其中，所述第二网络具有权重自调节功能。

4、可选的，所述多个第一网络包括以下神经网络中的至少两种：最小二乘支持向量机、回声状态网络、带有外部输入的非线性自回归神经网络和和经典逆向传播神经网络。

5、可选的，所述方法还包括：采用以下至少一者对所述预测模型的参数进行优化：对最小二乘支持向量机的核函数类型和/或正则化参数进行优化；对回声状态网络的储备池大小和/或谱半径进行优化。

6、可选的，通过具有量子行为的粒子群优化算法对所述预测模型的参数进行优化。

7、可选的，基于以下至少一者评估所述预测模型：平均绝对误差、归一化均方根误差、绝对误差百分比的中位数以及平均绝对误差百分比。

8、可选的，所述获取径流时间序列的原始数据之后、所述将所述原始数据输入至预测模型中之前，还包括：对所述原始数据进行降噪，得到降噪后的原始数据；所述将所述原始数据输入至预测模型中，包括：将降噪后的原始数据输入预测模型中。

9、可选的，所述对所述原始数据进行降噪，得到降噪后的原始数据，包括：利用奇异谱分析对径流时间序列数据进行分解和重构，得到降噪后的原始数据。

10、可选的，所述降噪后的原始数据基于滚动窗口的数据划分机制进行划分。

11、第二方面，本申请还提供一种径流预测装置，所述装置包括：原始数据获取模块，用于获取径流时间序列的原始数据；模型预测模块，用于将所述原始数据输入至预测模型中，得到预测结果；其中，所述预测模型经过数据训练得到，所述预测模型具有权重自调节功能。

12、第三方面，本申请还提供一种计算设备，包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行任一项所述径流预测方法。

13、第四方面，本申请还提供一种计算机可读存储介质，其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行任一项所述径流预测方法。

14、与现有技术相比，本申请实施例的技术方案具有以下有益效果：

15、本发明实施例的径流预测方法中，利用了具备权重自调节功能的预测模型能够更好地捕捉径流数据的特征，也能够很好地提高预测的准确度。

16、进一步，在将径流时间序列的原始数据输入至预测模型之前，可以通过奇异谱分析对径流时间序列数据进行分解和重构，得到降噪后的原始数据。能够有效去除数据的噪声及异常值，得到的子信号更加平滑，使预测模型更好地进行特征提取，更有利于模型进行特征提取。从而消除噪声对预测结果的影响，提高径流预测的准确度。

17、进一步，预测模型采用基于回声状态网络的径流时间序列组合模型进行预测，能够避免单一模型预测风险，提高预测精度。

技术特征：

1.一种径流预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述预测模型包括多个第一网络和第二网络，所述将所述原始数据输入至预测模型中，得到预测结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述多个第一网络包括以下神经网络中的至少两种：最小二乘支持向量机、回声状态网络、带有外部输入的非线性自回归神经网络和和经典逆向传播神经网络。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，通过具有量子行为的粒子群优化算法对所述预测模型的参数进行优化。

6.根据权利要求1至5任意一项所述的方法，其特征在于，基于以下至少一者评估所述预测模型：平均绝对误差、归一化均方根误差、绝对误差百分比的中位数以及平均绝对误差百分比。

7.根据权利要求1至5任意一项所述的方法，其特征在于，所述获取径流时间序列的原始数据之后、所述将所述原始数据输入至预测模型中之前，还包括：对所述原始数据进行降噪，得到降噪后的原始数据；

8.根据权利要求7所述的方法，其特征在于，所述对所述原始数据进行降噪，得到降噪后的原始数据，包括：

9.根据权利要求7所述的方法，其特征在于，所述降噪后的原始数据基于滚动窗口的数据划分机制进行划分。

10.一种径流预测装置，其特征在于，所述装置包括：

11.一种计算设备，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至9中任一项所述方法。

12.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至9中任一项所述方法。

技术总结一种径流预测方法及装置、计算机可读存储介质、计算机设备，所述方法包括：获取径流时间序列的原始数据；将所述原始数据输入至预测模型中，得到预测结果；其中，所述预测模型经过数据训练得到，所述预测模型具有权重自调节功能。具备权重自调节功能的预测模型能够更好地捕捉径流数据的特征，也能够很好地提高预测的准确度。技术研发人员：姜屹然,张静普,杨立东,杨磊受保护的技术使用者：四维世景科技（北京）有限公司技术研发日：技术公布日：2024/7/29