一种融合Copula函数和深度学习的湖泊水位共形预测方法技术

本发明专利技术涉及一种融合Copula函数和深度学习的湖泊水位共形预测方法，其步骤为：收集湖泊水位数据以及上游入湖河流流量数据，并进行数据预处理；通过相关性分析确定进行水位预测时的输入特征数据；将输入数据划分为训练集、验证集和测试集，采用训练集进行LSTM模型训练，将验证集进一步分为两个阶段进行预测结果累积分布函数和Copula函数校正，在保持预测结果有效性的情况下显著缩小置信区域，采用梯度下降算法优化参数捕捉未来时间步的联合分布；最后基于校准好的LSTM模型进行测试期湖泊水位预测，并对预测结果进行精度评价。本发明专利技术通过在验证集上对预测结果进行多次有效性检验，为预测结果提供更精确有效的置信区间，保证预测精度的同时降低预测不确定性。

【技术实现步骤摘要】

本专利技术涉及湖泊水位预测领域，具体是一种融合copula函数和深度学习的湖泊水位共形预测方法。

技术介绍

1、湖泊水位的迅速升高可能会导致湖泊周边区域的淹没风险，对湖区周边群众生命财产安全造成巨大威胁，同时，湖泊水位过低也会造成周边群众生活、工业、农业灌溉等取用水困难，严重影响人民群众生产生活。因此，进行湖泊水位的准确预测对于洪涝干旱灾害应对和水生态环境保护具有重要意义。

2、近些年来，随着人工智能的发展，深度学习方法被广泛的应用到湖泊水位预测中来，然而，由于湖泊水位时间序列的非线性特征和众多因素交互影响，湖泊水位的精准预测难度较大，同时，在模型参数的率定验证过程中，虽然许多研究采用了相关的参数优化算法来进一步提升模型的湖泊水位预测精度，但其在确定参数时主要是仅考虑了预测值和实测值的差距大小，同时，进行湖泊水位预测时也仅只输出湖泊水位预测的具体数值，没有对湖泊水位预测结果的置信度进行评价，无法保证湖泊水位预测结果的可靠性。共形预测方法通过用设置有效的置信度来衡量预测结果的可靠性，根据历史实测数据确定当前预测结果的置信度，基于一致性原理和明确的本文档来自技高网...

【技术保护点】

1.一种融合Copula函数和深度学习的湖泊水位共形预测方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的一种融合Copula函数和深度学习的湖泊水位共形预测方法，其特征在于，步骤S2中采用自相关和偏相关分析进行湖泊水位与其滞后值之间相关性分析时，自相关函数和偏自相关函数计算公式分别如式（1）和式（2）所示：

3.根据权利要求2所述的一种融合Copula函数和深度学习的湖泊水位共形预测方法，其特征在于，步骤S3中将步骤S2中确定的输入特征数据及其对应的湖泊水位数据划分别分为训练集、验证集和测试集；其中，训练集、验证集和测试集中包含的输入特征数据及其对应的湖...

【技术特征摘要】

1.一种融合copula函数和深度学习的湖泊水位共形预测方法，其特征在于，包含以下步骤：

2.根据权利要求1所述的一种融合copula函数和深度学习的湖泊水位共形预测方法，其特征在于，步骤s2中采用自相关和偏相关分析进行湖泊水位与其滞后值之间相关性分析时，自相关函数和偏自相关函数计算公式分别如式（1）和式（2）所示：

3.根据权利要求2所述的一种融合copula函数和深度学习的湖泊水位共形预测方法，其特征在于，步骤s3中将步骤s2中确定的输入特征数据及其对应的湖泊水位数据划分别分为训练集、验证集和测试集；其中，训练集、验证集和测试集中包含的输入特征数据及其对应的湖泊水位数据分别为以及，并基于训练集中的输入特征数据及其对应的湖泊水位数据进行深度学习lstm模型的训练。

4.根据权利要求3所述的一种融合copula函数和深度学习的湖泊水位共形预测方法，其特征在于，步...

【专利技术属性】
技术研发人员：李港，韩会明，
申请(专利权)人：江西省水利科学院江西省大坝安全管理中心，江西省水资源管理中心，
类型：发明
国别省市：