科创中国

电力、热力、燃气及水生产和供应业,水利、环境和公共设施管理业

准确及时的水位预测能够为水利工程的建设提供有效的设计指导和控制，为水资源的优化配置和合理开发提供科学的决策和规划，最为关键的是在洪水预警方面，及时疏散民众，保证人民生命财产安全起到了不可或缺的作用。

近几十年来，水位预测技术不断发展，现有的基于数据驱动的水位预测方法主要集中在两个方面：传统的时间序列预测方法和基于神经网络的机器学习预测方法。传统单一时间序列模型结构简单，对于复杂的水位时间序列数据具有预测精度较低、不能很好捕捉水位时间序列的复合特征的问题。基于神经网络的组合预测模型在模型参数选择方面需要手工调参，花费时间多且存在模型不可再现性的缺陷。本发明利用随机投影技术和预调件变量筛选模型，解决了高维数据的假相关性对于变量筛选的影响，包括变量间的假相关性引起的高相关变量筛选问题；变量与误差项的假相关性引起的弱相关变量无法识别问题。利用加权平均算法和动态修正模型等技术，给出未来24小时的最终水位预测。

团队负责人：黄创霞 项目联系人：赵乃非 中南大学博士、中国人民大学数学与统计学院博士后 zhaonf@csust.edu.cn