[发明专利]一种水库水位时间序列预测方法与系统

权利要求书

1.一种水库水位时间序列预测方法，其特征在于，所述方法包括：

获取多个影响水位变化的历史因素，以及每一个历史因素对应的历史时间序列数据，基于每一个历史因素对应的历史时间序列数据，生成高维时间序列数据集；所述历史因素包括历史面雨量、历史蒸发量、历史水库流量和历史实测水位中的一种或多种；

对所述高维时间序列数据集进行预处理；

将一个长短期记忆网络模型嵌入另一个长短期记忆网络模型的内部，并替换另一个长短期记忆网络模型的记忆细胞，以构建嵌套长短期记忆网络模型，将预处理后的高维时间序列数据集输入至所述嵌套长短期记忆网络模型，输出未来水库时间序列数据集。

2.根据权利要求1所述的水库水位时间序列预测方法，其特征在于，所述对所述高维时间序列数据集进行预处理，包括：

对高维时间序列数据集进行标准化处理，生成标准化处理后的高维时间序列数据集；

对标准化处理后的高维时间序列数据集进行降维处理，生成降维处理后的时间序列数据集；

对降维处理后的时间序列数据集进行相空间重构，生成重构后的时间序列数据集。

3.根据权利要求2所述的水库水位时间序列预测方法，其特征在于，所述对高维时间序列数据集进行标准化处理，生成标准化处理后的高维时间序列数据集，包括：

基于公式1，对高维时间序列数据集中的数据进行数据标准化，得到标准化处理后的高维时间序列数据集；

其中，X为标准化处理后的高维时间序列数据集，N为影响水位变化的历史因素的总数，X_N为标准化处理后的高维时间序列数据集中每一个历史因素对应的时间序列数据，为高维时间序列数据集中一个历史因素对应的时间序列数据，为高维时间序列数据集中一个历史因素下所有时间序列数据的平均数，为高维时间序列数据集中一个历史因素下所有时间序列数据的标准差。

4.根据权利要求3所述的水库水位时间序列预测方法，其特征在于，所述对标准化处理后的高维时间序列数据集进行降维处理，生成降维处理后的时间序列数据集，包括：

将标准化处理后的高维时间序列数据集映射至高维特征空间F，生成映射数据集；标准化处理后的高维时间序列数据集和映射数据集如公式2所示；

其中，X为标准化处理后的高维时间序列数据集，φ(X_i)为映射数据集；

构建映射数据集的协方差矩阵，以及构建映射数据集的协方差矩阵的特征值和特征向量的关系式，关系式如公式2所示；

其中，C为映射数据集的协方差矩阵，λ为映射数据集的协方差矩阵的特征值，v为映射数据集的协方差矩阵的特征向量，φ(X_i)为映射数据集，i为影响水位变化的历史因素的序号，N为影响水位变化的历史因素的总数；

依据公式3推导得出公式4；

其中,α_i为方程系数，v为映射数据集的协方差矩阵的特征向量，φ(X_i)为映射数据集，i为影响水位变化的历史因素的序号；

定义一个N×N的矩阵K_ij：

定义σ为为协方差矩阵中所有数据的标准差，将公式4和公式5代入公式3后化简得到公式6；

Nλα＝Kα 公式6；

其中，α为i个α_i组成的列向量；

对映射数据集的协方差矩阵的特征向量v进行归一化，求取样本φ(X_i)在v上的映射，所述样本φ(X_i)在v上的映射如公式7所示；

其中，T_i(X)为样本φ(X_i)在v上的映射；

将T_i(X)作为降维处理后的时间序列数据集。