[发明专利]一种基于样本学习的积涝水位预测方法

摘要

本发明涉及涉及一种基于样本学习的积涝水位预测方法。本发明方法主要包括三个部分：积涝站数据的预处理，面向积涝水位预测的深度神经网络回归模型的构建，以及面向积涝水位预测的深度神经网络回归模型的训练和实时预测。本发明利用积涝站积累的历时水位和降雨量数据非线性关系,通过回归分析挖掘当前水位,前M分钟的水位和降雨量信息，以及k分钟内的降雨量，与K分钟后水位的非线性关系。本方法无需构建各种具有物理意义的模型并进行参数率定，而是通过样本学习来获得模型参数。实验结果显示本发明方法在测试样例中具有较低的均方误差。

主权项

1.一种基于样本学习的积涝水位预测方法，其特征在于利用对已有历时数据的学习来预测积涝水位,其主要包括如下三部分：积涝站数据的预处理，面向积涝水位预测的深度神经网络回归模型的构建，以及面向积涝水位预测的深度神经网络回归模型的训练和实时预测；所述的积涝站数据的预处理是将积涝站获得的历时降雨量和水位数据进行处理，转换为可用于学习和预测的标准数据；所述的面向积涝水位预测的深度神经网络回归模型的构建是基于给定城市区域的历时水位和降雨量数据以及预估的未来降雨量针对性地设计深度神经网络回归模型；所述的面向积涝水位预测的深度神经网络回归模型的训练和实时预测是指采用深度学习方法进行模型的训练，从而获得模型参数，并根据训练好的模型参数和实时输入数据进行实时预测的过程。