基于人工神经网络和解释模型的高波动河流含沙量预测方法技术

本发明专利技术公开了一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，包括以下步骤：(1)获取取水口上游及下游泥沙悬浮浓度与流量数据，作为基本数据集；(2)对泥沙悬浮浓度数据进行平稳化处理，形成初始数据集；(3)将数据集划分为冰凌期数据集与非冰凌期数据集；(4)初步构建神经网络模型；(5)分别对冰凌期与冰凌期特征集进行归一化处理；(6)基于冰凌期与非冰凌期的特征集，分别构建神经网络模型，进行训练；(7)通过训练好的模型进行预测。本发明专利技术建立的方法可以准确预测波动性较强的泥沙悬浮浓度，对于高波动数据预测具有高准确性与通用性，有利于实际的生产调度运行。

【技术实现步骤摘要】

本专利技术属于环境与人工智能交叉领域，具体涉及一种基于人工神经网络和解释模型的高波动河流含沙量预测方法。

技术介绍

1、随着城市化进程的加速和智能化技术的不断发展，大量数据被广泛应用于环境治理、城市交通等领域，为了使这些数据更充分高效地利用并指导生产、调度等，预测已经成为了必不可少的一个环节。

2、有学者采用一维卷积神经网络对短期需水量进行预测，并利用预测结果指导供水管网优化调度方案的制定和实施；也有研究利用自回归移动平均模型(autoregressiveintegrated moving average,arima)对交通流量进行预测，用来缓解交通拥堵，减少碳排放，提高交通运营效率。专利技术名称为“一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法”、申请号为cn202310369801.4的现有专利基于长短期记忆单元及感知机构建深度循环神经网络架构以其测算钢板弹簧上全部网格单元的实际时变应力，并计算疲劳寿命，缩短了开发周期，降低生产成本。专利技术名称为“一种基于卷积神经网络的轨道交通客流量预测方法”、申请号为cn201910457513.8本文档来自技高网...

【技术保护点】

1.一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，通过以下步骤实现：

2.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤1中所述的数据异常检测与修正，针对连续10天及以上数据重复问题，采用如下公式进行修正：

3.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤2中所述的自生产数据具体步骤包括：

4.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤2所述的样本聚类是根据上下游前一天泥沙悬浮浓度...

【技术特征摘要】

1.一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，通过以下步骤实现：

2.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤1中所述的数据异常检测与修正，针对连续10天及以上数据重复问题，采用如下公式进行修正：

3.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤2中所述的自生产数据具体步骤包括：

4.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤2所述的样本聚类是根据上下游前一天泥沙悬浮浓度，将非冰凌期样本划分为5个等级，并将等级数据纳入非冰凌期数据集。

5.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤3所述的冰凌期数据集为1～3月及12月的样本，非冰凌期为4～11月的样本。

6.根据权利要求1所述的一种基于人工神经网络和解释模型的高波动河流含沙量预测方法，其特征在于，步骤4中所述的初始神经网络模型为多层感知机模型的构建，包含一个输入层、一个隐藏层以及一个输出层，输入层共24个神经元，隐藏层共40个神经元，输出层共1个神经元。

7.根据权利要求1所述...

【专利技术属性】
技术研发人员：白鹭，信昆仑，朱赫，鲁思琪，穆旭东，李兆敏，蓝国栋，
申请(专利权)人：银川中铁水务集团有限公司，
类型：发明
国别省市：