一种流域下游水位预测方法技术

本发明专利技术涉及一种流域下游水位预测方法，包括：基于上游水位特征，采用将上游水位特征逐步往后移动若干时间单位而下游水位数据保持不变的方法，构造上游水位滞后特征；然后将其与下游水位数据进行相关系数计算，取相关系数高于设定值的上游水位滞后特征构成上游水位滞后特征集；将上游水位滞后特征集与降雨量特征、泄洪量特征、上游水位特征、下游水位数据一起组成初步的模型特征集；对初步的模型特征集采用lasso进行特征筛选，得到特征筛选后的模型特征集；采用特征筛选后的模型特征集对水位预测模型进行训练和测试，得到训练好的水位预测模型；采用训练好的水位预测模型对流域下游水位进行预测。该方法有利于提高对于流域下游水位预测的准确性。水位预测的准确性。水位预测的准确性。

【技术实现步骤摘要】
一种流域下游水位预测方法


[0001]本专利技术属于水位预测
，具体涉及一种流域下游水位预测方法。

技术介绍

[0002]现有技术中，在对流域下游水位进行预测时，考虑流域上游水位对下游水位预测的滞后影响，比较常用的是采用时效因子，产生时效特征，再将时效特征与上下游水位特征、降雨量特征和泄洪量特征输入到机器学习模型，进行模型的训练并对流域下游水位进行预测。由于时效特征是比较通用的数学公式，难以反应上游水位的滞后性，对模型的性能提升没有太大的帮助，需要针对下游水位预测的具体场景，进行特征的发掘，以反应上游水位对下游水位的滞后影响。

技术实现思路

[0003]本专利技术的目的在于提供一种流域下游水位预测方法，该方法有利于提高对于流域下游水位预测的准确性。
[0004]为实现上述目，本专利技术采用的技术方案是：一种流域下游水位预测方法，包括：
[0005]基于上游水位特征，采用将上游水位特征逐步往后移动若干时间单位而下游水位数据保持不变的方法，构造上游水位滞后特征；然后将构造的上游水位滞后特征与下游水位数据进行相关系数计算，取相关系数高于设定值的上游水位滞后特征构成上游水位滞后特征集；
[0006]将上游水位滞后特征集与降雨量特征、泄洪量特征、上游水位特征、下游水位数据一起组成初步的模型特征集；
[0007]对初步的模型特征集采用lasso进行特征筛选，得到特征筛选后的模型特征集；
[0008]采用特征筛选后的模型特征集对水位预测模型进行训练和测试，得到训练好的水位预测模型；
[0009]采用训练好的水位预测模型对流域下游水位进行预测。
[0010]进一步地，采用将上游水位特征逐步往后移动若干时间单位而下游水位数据保持不变的方法，构造上游水位滞后特征，具体方法为：
[0011]下游水位序列W
d
＝{w
d1
,w
d2
,...,w
dn
}不动，其中w
d1
表示初始时刻t1的下游水位，w
dn
表示时刻t
n
的下游水位，将上游水位序列w
u(1)
＝{x1,x2,...,x
n
‑
m
}整体往后移动1个时间单位，得到上游水位滞后序列w
u(2)
，再将序列w
u(2)
往后移动1个时间单位，依此类推移动m次，得到上游水位滞后序列w
u(2)
,...,w
u(1+m)
；
[0012]将上游水位序列w
u(1)
、上游水位滞后序列w
u(2)
,...,w
u(1+m)
补足n个数据长度，序列前面空缺数据，用第一个数据往前填充，序列后面空缺数据，用最后一个数据向后填充，得到w
u(1)
＝{x1,x2,...,x
n
‑
m
,...,x
n
‑
m
},w
u(2)
＝{x1,x1,x2,...,x
n
‑
m
,...,x
n
‑
m
},
…
,w
u(1+m)
＝{x1,
…
,x1,x2,...,x
n
‑
m
}。
[0013]进一步地，将构造的上游水位滞后特征与下游水位数据进行相关系数计算，取相
关系数高于设定值的上游水位滞后特征构成上游水位滞后特征集，具体方法为：
[0014]序列w
u(1+k)
和W
d
之间的相关系数的计算公式为：
[0015][0016]其中，w
u(1+k)
表示第k个上游水位滞后序列，k＝1,2,
…
,m；Cov(w
u(1+k)
,W
d
)为w
u(1+k)
与W
d
的协方差，Var[w
u(1+k)
]为w
u(1+k)
的方差，Var[W
d
]为W
d
的方差；
[0017]按如上方法计算各个上游水位滞后序列与下游水位数据的相关系数，然后取相关系数高于设定值的上游水位滞后序列构成上游水位滞后特征集。
[0018]进一步地，将降雨量序列R
t
＝{z1,z2,...,z
n
‑
m
}、泄洪量序列F
t
＝{y1,y2,...,y
n
‑
m
}均补足n个数据长度，序列后面空缺数据，用最后一个数据向后填充，得到R
t
＝{z1,z2,...,z
n
‑
m
,...,z
n
‑
m
}、F
t
＝{y1,y2,...,y
n
‑
m
,...,y
n
‑
m
}；
[0019]将得到的降雨量特征、泄洪量特征与上游水位滞后特征集、上游水位特征、下游水位数据一起组成初步的模型特征集。
[0020]进一步地，对初步的模型特征集采用lasso进行特征筛选，得到特征筛选后的模型特征集，具体方法为：
[0021]1)建立Lasso模型；
[0022]2)对模型特征集中数据进行归一化处理；
[0023]3)将归一化后的数据输入到Lasso模型，使用Lasso模型对数据进行拟合训练；
[0024]4)查看Lasso模型训练后的特征系数；
[0025]5)特征系数不为0的特征即为通过Lasso筛选出来的特征，通过Lasso筛选出来的特征组成模型特征集。
[0026]进一步地，所述Lasso模型的优化目标为：
[0027]min[J(θ；X,y)]＝L(θ；X,y)+αΩ(θ)
[0028]其中，J(θ；X,y)为Lasso模型的总损失函数；L为损失函数；X是输入数据，包括上游水位特征数据和构造的上游水位滞后特征数据；y是标签，为要预测的下游水位数据；θ是模型参数；α∈[0,+∞]是用来调整参数范数惩罚经验损失Ω(θ)的相对贡献的超参数，当α＝0时表示没有正则化，α越大对应的正则化惩罚就越大，所述Lasso模型采用L1正则化，有Ω(θ)＝‖w‖，其中w是模型所使用特征，即上游水位特征数据和上游水位滞后特征数据的系数。
[0029]与现有技术相比，本专利技术具有以下有益效果：提供了一种流域下游水位预测方法，该方法通过将上游水位特征(影响因素)在时间上往后移动而下游水位数据(被影响因素)保持不变的方法，构造上游水位滞后特征，再采用lasso进行特征筛选，进而得到模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种流域下游水位预测方法，其特征在于，包括：基于上游水位特征，采用将上游水位特征逐步往后移动若干时间单位而下游水位数据保持不变的方法，构造上游水位滞后特征；然后将构造的上游水位滞后特征与下游水位数据进行相关系数计算，取相关系数高于设定值的上游水位滞后特征构成上游水位滞后特征集；将上游水位滞后特征集与降雨量特征、泄洪量特征、上游水位特征、下游水位数据一起组成初步的模型特征集；对初步的模型特征集采用lasso进行特征筛选，得到特征筛选后的模型特征集；采用特征筛选后的模型特征集对水位预测模型进行训练和测试，得到训练好的水位预测模型；采用训练好的水位预测模型对流域下游水位进行预测。2.根据权利要求1所述的一种流域下游水位预测方法，其特征在于，采用将上游水位特征逐步往后移动若干时间单位而下游水位数据保持不变的方法，构造上游水位滞后特征，具体方法为：下游水位序列W
d
＝{w
d1
,w
d2
,...,w
dn
}不动，其中w
d1
表示初始时刻t1的下游水位，w
dn
表示时刻t
n
的下游水位，将上游水位序列w
u(1)
＝{x1,x2,...,x
n
‑
m
}整体往后移动1个时间单位，得到上游水位滞后序列w
u(2)
，再将序列w
u(2)
往后移动1个时间单位，依此类推移动m次，得到上游水位滞后序列w
u(2)
,...,w
u(1+m)
；将上游水位序列w
u(1)
、上游水位滞后序列w
u(2)
,...,w
u(1+m)
补足n个数据长度，序列前面空缺数据，用第一个数据往前填充，序列后面空缺数据，用最后一个数据向后填充，得到w
u(1)
＝{x1,x2,...,x
n
‑
m
,...,x
n
‑
m
},w
u(2)
＝{x1,x1,x2,...,x
n
‑
m
,...,x
n
‑
m
},
…
,w
u(1+m)
＝{x1,
…
,x1,x2,...,x
n
‑
m
}。3.根据权利要求2所述的一种流域下游水位预测方法，其特征在于，将构造的上游水位滞后特征与下游水位数据进行相关系数计算，取相关系数高于设定值的上游水位滞后特征构成上游水位滞后特征集，具体方法为：序列w
u(1+k)
...

【专利技术属性】
技术研发人员：马森标，李思恩，黄祖海，陈友武，陈惠祥，卢维楷，
申请(专利权)人：福建中锐汉鼎数字科技有限公司，
类型：发明
国别省市：