[发明专利]一种基于实现月平均水文流量预测的系统

说明书

本发明公开了一种基于LSTM数据模块实现月平均水文流量预测的系统，包括如下步骤：步骤一，采集气象数据通过数据预处理模块构建水文流量数据模型；步骤二，通过LSTM数据模块中第一数据处理层对水文流量数据模型中预处理数据进行计算获得每日水文平均流量数据集；步骤三，通过LSTM数据模块中第二数据处理层对每日水文流量数据集进行计算获得月水文平均流量数据集；步骤四，通过如下公式对月水平平均数据集进行计算求出Nash检测系数，该方法该方法可以利用复杂的水文流量数据获得精准地每日平均流量预测，为提供准确的月平均水文流量数据奠定基础。

技术领域

本申请属于将深度学习与强化学习和水文领域相结合，特别涉及一种基于LISM数据模块实现月平均水文流量预测的系统。

背景技术

LSTM(Long Short-Term Memory)是长短期记忆网络，是RNN的一种特殊网络，在算法中加入了判断信息是否有用的门单元，是解决长序依赖问题的有效技术。RNN是神经网络里面的循环神经网络，是一类用于处理序列数据的神经网络，包括输入层、隐层和输出层，在层之间的神经元之间建立权连接。神经元模型是经过生物神经元抽象而来，神经元接受输入x₁、x₂、x₃、x₄等，通过带权重ω的连接进行传递，将总输入信号与神经元的阈值进行比较，最后通过激活函数处理确定是否激活。

发明内容

针对现有技术存在的问题，本发明提供一种一种基于LISM数据层实现月平均水文流量预测的方法，该方法可以利用复杂的水文流量数据获得精准地月平均每日流量预测，为提供准确的月平均水文流量数据奠定基础。

本发明的技术方案:

一种基于LSTM数据模块实现月平均水文流量预测的系统，包括如下步骤：

步骤一，采集气象数据通过数据预处理模块构建水文流量数据模型；

步骤二，通过LSTM数据模块中第一数据处理层对水文流量数据模型中预处理数据进行计算获得每日水文平均流量数据集；

步骤三，通过LSTM数据模块中第二数据处理层对每日水文流量数据集进行计算获得月水文平均流量数据集；

步骤四，通过如下公式对月水平平均数据集进行计算求出Nash检测系数

所述LSTM数据模块中第一数据处理层包括如下步骤：

2.1对第一数据处理层进行定义；

2.2对步骤2.1的数据进行训练和预测；

2.3通过MSE和Nash公式计算获得日流量参数；

2.4判断日流量参数是否满足日调参数，如果满足输出日流量参数，否则返回步骤2.1。

所述LSTM数据模块中第二数据处理层包括如下步骤：

3.1对第二数据处理层进行定义；

3.2对步骤3.1的数据进行训练和预测；

3.3通过MSE和Nash公式计算获得月流量参数；

3.4判断月流量参数是否满足月调参数，如果满足输出月流量参数，否则返回步骤3.1。

与现有技术相比，本发明具有的优点：

1、本发明使用LSTM重新建立模型，提高具有较大数据的水文流量预测的精确度和准确性。

2、本发明使用循环神经网络RNN的LSTM方法对水文流量进行预测，比较适合数据量较大的情况。

附图说明