[发明专利]基于深度学习算法与混合整数线性规划相结合的水质波动区间预测方法有效
| 申请号： | 201710546852.4 | 申请日： | 2017-07-06 |
| 公开（公告）号： | CN107292383B | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | 郑保宁;包哲静 | 申请（专利权）人： | 郑保宁;包哲静 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06Q10/04 |
| 代理公司： | 33200 杭州求是专利事务所有限公司 | 代理人： | 刘静;邱启旺<国际申请>=<国际公布>= |
| 地址： | 310013 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 深度 学习 算法 混合 整数 线性规划 相结合 水质 波动 区间 预测 方法 | ||
1.一种基于深度学习算法与混合整数线性规划相结合的水质波动区间预测方法，其特征在于，包括以下步骤：
(1)对水质历史数据进行预处理：修补缺失的历史数据，并进行归一化处理；将预处理后的数据分成相互独立的训练集和验证集；
(2)利用步骤(1)中经过预处理后的训练集的水质数据时间序列，进行基于深度学习LSTM模型的点预测建模，得到点预测模型；
(3)基于步骤(2)的点预测模型，利用步骤(1)中经过预处理后的验证集构造关于置信度c的基于混合整数线性规划的区间预测通用模型，通用模型的目标为最小化区间预测的平均相对区间宽度，目标函数如下：
其中U(valid_pij)和L(valid_pij)为最优预测区间的上下边界，valid_pij为LSTM点预测值，valid_rij为真实值，N是验证集中的样本数量；
约束条件如下：
U(valid_pij)＝valid_pij×αj
L(valid_pij)＝valid_pij×βj，
L(valid_pij)＝valid_rij+valid_rij×μi,1-valid_rij×μi,2
U(valid_pij)＝valid_rij+valid_rij×μi,3-valid_rij×μi,4
0≤μi,1≤Ii,1
0≤μi,2≤Ii,2
Ii,1+Ii,2＝1
0≤μi,3≤Ii,3
0≤μi,4≤Ii,4
Ii,3+Ii,4＝1
其中αj和βj为在当前时刻t后的第j个时刻的最优预测区间的上下边界比例系数，满足αj>0，βj>0，αj>βj；μi,1,μi,2,μi,3,μi,4为连续型变量，Ii,1,Ii,2,Ii,3,Ii,4为Bool型变量；
求解得到最优预测区间的上下边界比例系数αj和βj；
(4)基于步骤(2)得到的点预测模型和步骤(3)得到的最优预测区间的上下边界比例系数，求得未来时刻的水质波动的区间预测值。
2.根据权利要求1所述的基于深度学习算法与混合整数线性规划相结合的水质波动区间的预测方法，其特征在于，所述步骤(2)中，建立的点预测模型包含多隐含层、Relu激活函数和Dropout机制；并基于验证集确定最优的隐含层节点参数、Dropout比例、相关前置影响参数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于郑保宁;包哲静，未经郑保宁;包哲静许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710546852.4/1.html，转载请声明来源钻瓜专利网。
