一种耦合群体搜索和深度学习的水库中长期径流预测方法技术

本发明专利技术属于水电系统运行领域，公开一种耦合群体搜索和深度学习的水库中长期径流预测方法。本发明专利技术针对水库中长期径流预测难题，采用灰色关联熵逐月筛选对预测径流影响较大的因子，利用群体搜索算法对数据进行迭代寻优，以确保最优时间序列变化范围小于限定值，利用神经网络计算最优时间序列对应的权值和阈值，通过不断迭代避免算法陷入局部最优，提高预测精度。以西南某流域两个大型水库为例，结果表明枯期MAPE指标总体在5％以下，汛期在7‑10％，NSE系数维持在0.8以上，部分情况达到0.9，具有较好的预测精度。

【技术实现步骤摘要】

本专利技术涉及水电系统运行领域，特别涉及一种耦合群体搜索和深度学习的水库中长期径流预测方法。

技术介绍

1、高精度中长期径流预报是水电调度的基础工作，对水电系统发电能力评估、汛枯电量转移、水电高效消纳、弃水风险控制至关重要。然而，受流域下垫面、土壤、地形和人类活动等多因素影响，径流动力特征、时空分布及其演化规律日趋错综复杂，加之气候变化改变了全球陆气水文循环和流域产汇流特性，亟需科学挖掘复杂因素隐含交互影响的新型中长期径流预报方法。近年来，以神经网络、支持向量机等为代表的新兴深度学习模型，因其能够充分挖掘复杂系统内蕴规律、提高决策分析水平，在各个行业得到了广泛重视和应用。

2、然而，神经网络虽然通用性较强，但是存在学习过程中收敛速度过慢、易陷入局部最优等缺点，可能导致较大预测误差，其中网络结构的权值和阈值对算法收敛和预测影响较大，如何优化这些参数非常重要。

3、为此，本专利技术依托国家自然科学基金(52079014)和中央高校基本科研业务费项目(dut22qn224，dut22jc21)，提出一种耦合群体搜索和深度学习的水库中长期径本文档来自技高网...

【技术保护点】

1.一种耦合群体搜索和深度学习的水库中长期径流预测方法，其特征在于，包括如下步骤：

【技术特征摘要】

1.一种耦合群体搜索和深度学习的水库中长期...

【专利技术属性】
技术研发人员：周彬彬，蒋燕，陈凯，朱铭锴，王有香，张聪通，赵珍玉，李相勇，周涵，杨泽泰，符凯祥，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：