The invention relates to the field of Hydrological Prediction, and discloses a flood interval prediction method based on a multi-objective random vector function connection network, which is used for evaluating the uncertainty of flood prediction results. In order to minimize the mean width of the forecast interval (pinaw) and maximize the coverage of the forecast interval (PICP), the double output multi-objective random vector function connection network (RVFL) is used to directly forecast the upper and lower boundaries of the possible future flood values, and \u00b1 10% of the target variables are used as the initial upper and lower boundaries, and \u00b1 0.5 of the initial weights and thresholds obtained by RVFL operation once Set as the feasible domain of NSGA \u2011 III algorithm, use NSGA \u2011 III algorithm to adjust the input weights and thresholds of RVFL network, and get the best multi-objective RVFL flood interval prediction model, in order to obtain more reliable and effective flood prediction results than the traditional single objective interval prediction model and the multi-objective Ann flood interval prediction model.
【技术实现步骤摘要】
基于多目标随机向量函数连接网络的洪水区间预报方法
本专利技术涉及水文预报领域,特别涉及一种基于多目标随机向量函数连接网络的洪水区间预报方法。
技术介绍
由于流域下垫面和人类活动的影响,使得洪水预报难度增加,而另一方面流域水资源管理以及水电站安全经济运行对洪水预报的精度要求不断提高,传统的点预报方法越来越难以满足水资源管理的实际需求。在此背景下,概率区间预报方法逐渐引起水文学家的重视。概率区间预报方法不仅可以直观的给出洪水预报结果的变化范围,还可以给出目标向量落在预报区间上下界范围内的概率。为准确把握预报信息的不确定性特征,传统的概率区间预报方法有Bootstrap法、Bayesian法和GLUE法等。然而传统洪水概率区间预报方法大多需要复杂的数学计算及先验分布假设,且需要在确定性水文模型预报结果的基础上计算洪水的预报区间,不能直接给出洪水的概率预报区间,难以满足水电站安全经济运行以及水资源管理的实际需求。
技术实现思路
专利技术目的:针对现有技术中存在的问题,本专利技术提供一种基于多目标随机向量函数连接网络的洪水区间预报方法,基于LUBE区间预报、双输出随机向量函数连接网络和NSGA-III算法的洪水区间预报方法,能够为水电站安全经济运行以及水资源管理提供决策依据。技术方案:本专利技术提供了一种基于多目标随机向量函数连接网络的洪水区间预报方法,包括以下步骤:步骤一:收集洪水时间序列数据,将数据分为训练样本和检验样本,并将数据归一化至[0,1]区间;步骤二:假设输入变量的个数为M,对 ...
【技术保护点】
1.一种基于多目标随机向量函数连接网络的洪水区间预报方法,其特征在于,包括以下步骤:/n步骤一:收集洪水时间序列数据,将数据分为训练样本和检验样本,并将数据归一化至[0,1]区间;/n步骤二:假设输入变量的个数为M,对目标向量作±10%的小扰动作为双输出RVFL区间预报模型的初始上边界和下边界,形成M输入和双输出的RVFL上下边界洪水区间预报模型;/n步骤三:将输入向量和目标向量输入所述RVFL上下边界洪水区间预报模型,并运行一次得所述RVFL上下边界洪水区间预报模型的初始权值β
【技术特征摘要】 【专利技术属性】
1.一种基于多目标随机向量函数连接网络的洪水区间预报方法,其特征在于,包括以下步骤:
步骤一:收集洪水时间序列数据,将数据分为训练样本和检验样本,并将数据归一化至[0,1]区间;
步骤二:假设输入变量的个数为M,对目标向量作±10%的小扰动作为双输出RVFL区间预报模型的初始上边界和下边界,形成M输入和双输出的RVFL上下边界洪水区间预报模型;
步骤三:将输入向量和目标向量输入所述RVFL上下边界洪水区间预报模型,并运行一次得所述RVFL上下边界洪水区间预报模型的初始权值β0和初始阈值a0;
步骤四:初始化NSGA-III算法的参数;
步骤五:将[β0-0.5,β0+0.5]和[a0-0.5,a0+0.5]设置为所述NSGA-III算法的可行域,在可行域中随机生成NP-1初始个体,NP-1初始个体加上(β0,a0)构成所述NSGA-III算法的初始种群;
步骤六:采用所述NSGA-III算法优化所述RVFL上下边界洪水区间预报模型的输入权值和阈值,得到全局最优的Pareto最优解集;
步骤七:将所述Pareto最优解集和所述检验样本代入所述RVFL上下边界洪水区间预报模型,得到检验期的区间预测结果,并计算检验期预报区间的PINC和PINAW指标。
2.根据权利要求1所述的基于多目标随机向量函数连接网络的洪水区间预报方法,其特征在于,在所述步骤二中,在所述RVFL上下边界洪水区间预报模型中,给定k个训练样本{(xk,yk)},k=1,2,...,K,其中X=[x1,x2,...,xK]T表示输入向量,xk=[xk1,xk2,...,xkM]∈RM表示第k个输入训练样本,Y=[y1,y2,...,yK]T表示输出向量,yk=[yk1,yk2,...,ykN]∈RN表示第k个输出训练样本,j=1,2,...,J表示第k个训练样本的第j个隐层神经元的输出,g(·)表示激励函数,j表示隐含层结点的个数,βj表示输入层和隐含层之间的权重,aj分别表示输入层和隐含层之间的阈值;
则所述RVFL上下边界洪水区间预报模型第k个训练样本的输出计算如下:
式中,wj,j=1,2,...,J表示隐藏层和输出层之间的权重,wj,j=J+1,J+2,...,J+M表示输入层和输出层之间的权重;
输入层和隐含层到输出层的核映射矩阵表示为:
所述RVFL上下边界洪水区间预报模型输出的矩阵形式表示为:
式中,w=[w1,w2,...,wJ,wJ+1,...,wJ+D]T。
通过求解以下优化问题获得输出权重w:
技术研发人员:彭甜,张楚,赵环宇,夏鑫,纪捷,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。