[发明专利]一种基于Prophet模型的黄河流域险情等级预测方法

说明书

本发明涉及基于一种基于Prophet模型的黄河流域险情等级预测方法，属于险情预测技术领域。方法包括以下步骤：获取设定历史时间段内的黄河险情数据，得到险情等级时间序列；所述黄河险情数据包括险情发生日期和发生的险情等级；根据所述险情等级时间序列对应的趋势项、周期项、节假日项和误差项构建Prophet模型；向所述Prophet模型输入待预测未来时间段，输出与所述待预测未来时间段对应的黄河险情等级。本发明采用Prophet时间序列预测模型，通过获取历史时间段内的险情等级和时间的关系，预测未来时间段内的险情等级；本发明实现了对险情等级的提前预测，能够实现及时预警，有利于提高抗险抢险的效率。

技术领域

本发明涉及险情预测技术领域，具体涉及一种基于Prophet模型的黄河流域险情等级预测方法。

背景技术

河流的自然灾害大部分是由于强降雨、台风、地震等自然灾害所造成的。每年汛期，河流的水位都高出警戒线，从而引发特大洪水，对人民的生命财产造成极大损失。根据每年的降雨量和险情，可以发现雨水情和险情主要有2个特点：临海区域降雨总体偏多、时空分布不均，往往汛期(6-9月)降雨频繁，且大部分降雨都集中在流域上游；洪水发生时间早，持续时间久。因此及早安排部署，能尽可能的减少流域险情带来的灾害。

目前险情针对河流流域险情的预测技术主要有卫星遥感技术、摄像头实时监测技术。但卫星通信技术使用成本高，且在气候恶劣的情况下，存在延迟大的问题，不利于及时抢险。摄像头实时监测技术需要时刻对其监测的图像进行分析预测，调用频率高，资源耗费大，且在暴雨气候下存在不稳定的情况，不利于灾情判断。

如何实现对河流流域险情的及时预测，是目前河流流域险情预测领域需要解决的问题。

发明内容

为了解决上述问题，本发明提供了一种基于Prophet模型的黄河流域险情等级预测方法的技术方案，包括以下步骤：

获取设定历史时间段内的黄河险情数据，得到险情等级时间序列；所述黄河险情数据包括险情发生日期和发生的险情等级；

根据所述险情等级时间序列对应的趋势项、周期项、节假日项和误差项构建Prophet模型；

向所述Prophet模型输入待预测未来时间段，输出与所述待预测未来时间段对应的黄河险情等级。

有益效果：本发明采用Prophet时间序列预测模型，通过获取历史时间段内的险情等级和时间的关系，预测未来时间段内的险情等级；本发明实现了对险情等级的提前预测，能够实现及时预警，有利于提高抗险抢险的效率。

进一步地，所述险情等级为以下四种中的其中一种：无险情、一般险情、较大险情、重大险情。

进一步地，所述设定历史时间段为90天，所述待预测未来时间段为未来7天。

进一步地，Prophet模型的训练过程包括：

数据集划分：将90天的黄河险情数据处理后以一定比例进行划分为训练集和测试集，将数据样本集的后7天作为测试集，数据样本的前83天作为训练集，进行模型训练，输出未来7天内险情的预测值、预测上限、预测下限；

模型评估：模型训练集的训练通过绝对平均误差MAE进行评估。

进一步地，所述处理包括：将获取的黄河险情数据按照日期进行排序，删除异常数据，将险情等级和对应险情发生日期形成一个险情等级时间序列；险情等级时间序列的存储格式为：日期、险情等级。

进一步地，Prophet模型的表达式如下：

y(t)＝g(t)+s(t)+h(t)+∈_t

其中，y(t)为险情等级时间序列，g(t)为趋势项，s(t)为周期项，h(t)为节假日项，∈_t为误差项。