[发明专利]一种基于混沌萤火虫与梯度提升树模型的河流水位预测方法

摘要

本发明提供一种基于混沌萤火虫与梯度提升树模型的河流水位预测方法，涉及信息技术领域和水文情况预测技术领域。首先数据采集，所需数据总共分成五类。再进行数据预处理，包括异常值的剔除、缺失值的处理、数据归一化。将改进后的混沌萤火虫算法对梯度提升树模型的训练参数进行优化，并将改进的梯度提升树模型应用于结构化数据的河流水位预测研究。最后构造训练样本集，将处理后得到的5类数据中随机采用一部分用于模型训练，用GSO算法进行寻优，进行参数调优，得到最优参数下的GBDT模型，具有更好的泛化能力，提高了模型对于水位预测的精度，最后结合测试集进行模型检验，将得到的实际值与计算值的误差进行对比分析，验证模型的优良。

主权项

1.一种基于混沌萤火虫与梯度提升树模型的河流水位预测方法，其特征在于，所述方法包括：S101：数据采集，所需数据总共分成五类，分别包括能够表示一份数据在一个特定时间点已经存在的完整的可验证的时间戳数据，当前时间段内河流流量总和的累计水量数据，单位时间内流经封闭管道或明渠有效截面的流体量的瞬时流量数据，河流单位时间内的位移的流速数据，当前时间段内最直观反映水体水情的水位数据。S102：采集数据预处理，本发明中所采集的数据均为结构化数据，结构化数据中数据预处理包含异常值的剔除、缺失值的处理、数据归一化。S103：基于改进后的混沌萤火虫算法(Glowworm Swarm Optimization，GSO)对梯度提升树模型(Gradient Boosted Decision Tree，GBDT)的训练参数进行优化，并将改进的梯度提升树模型应用于河流水位预测研究。S104：构造训练样本集，将处理后得到的5类数据中随机采用一部分用于模型训练，用GSO算法进行寻优，进行参数调优，得到最优参数下的GBDT模型，结合测试集进行模型检验，计算与实际值的误差，验证模型的优良。