【技术实现步骤摘要】
本专利技术属于水库来水量预报，具体涉及一种基于ibes优化graphsage-dlinear的来水量预报模型的构建方法。
技术介绍
1、准确的水库来水预测，对于发电运行调度以及极端气候灾害的防治工作起到了重要的作用，提高其预测准确率无论对水电站的经济效益以及对综合安全效益都有十分重要的价值。
2、目前关于水电站以及水库来水预测主要采用时间序列分析的方法。时间序列的预测主要包括传统的统计学模型预测方法和神经网络模型预测方法。前者是采用传统的统计学方法，以历史时间序列数据特征为基础，去建立恰当的数学模型来拟合趋势曲线，常见的分析方法包括简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法等。神经网络模型预测方法，擅长解决多影响因素、不稳定的复杂非线性预测问题。
3、传统统计学时间序列预测方法只需要历史的时间序列预测曲线即可构建模型进而做出预测，因此传统的统计学时间序列预测模型通用型比较强，但得到的预测值常常晚于真实值几个单位，模型滞后性的问题比较...
【技术保护点】
1.一种基于多站点时空数据融合的来水量预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于多站点时空数据融合的来水量预测方法，其特征在于，所述步骤(1)具体包括：将获取的分布于流域内上下游各个监测站点的天文、水文、气象数据集进行数据清理预处理；天文、水文、气象数据集水流流速、水位、水流截面积、蒸发量、降雨量、天气、大气环流数据。
3.根据权利要求1所述的一种基于多站点时空数据融合的来水量预测方法，其特征在于，步骤(2)所述的运用去趋势交叉相关分析法进行特征选择过程如下：
4.根据权利要求1所述的一种基于多站点时空数据...
【技术特征摘要】
1.一种基于多站点时空数据融合的来水量预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于多站点时空数据融合的来水量预测方法，其特征在于，所述步骤(1)具体包括：将获取的分布于流域内上下游各个监测站点的天文、水文、气象数据集进行数据清理预处理；天文、水文、气象数据集水流流速、水位、水流截面积、蒸发量、降雨量、天气、大气环流数据。
3.根据权利要求1所述的一种基于多站点时空数据融合的来水量预测方法，其特征在于，步骤(2)所述的运用去趋势交叉相关分析法进行特征选择过程如下：
4.根据权利要求1所述的一种基于多站点时空数据融合的来水量预测方法，其特征在于，所述步骤...
【专利技术属性】
技术研发人员：张奇伟，李玉龙，蔡培培，寿玮玮，刘月馨，罗远林，魏军，
申请(专利权)人：杭州华辰电力控制工程有限公司，
类型：发明
国别省市：
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。