您所在的位置: 成果库 一种基于PCA_ DWT的LSTM流域水流量预测方法

一种基于PCA_ DWT的LSTM流域水流量预测方法

发布时间: 2023-12-13

基本信息

合作方式: 技术转让
成果类型: 发明专利
行业领域:
新一代信息技术产业,互联网与云计算、大数据服务
成果介绍
本发明提供了一种基于PCA_DWT的LSTM流域水流量预测方法,具体步骤如下:(1)采集河流的历史数据;(2)采用主成分分析法将采集到的数据进行降维;(3)采用小波分解DWT,将经过降维后的输入序列分解为一个近似序列;(4)将序列按照频率大小,划分为m+1个不同组;(5)归一化;(6)将不同组的数据分别划分训练集和测试集;(7)将每组数据同时迭代训练;(8)将测试集输入送入迭代后的神经网络;(9)再用该预测数据构成新的输入,修正神经网络的修正权值和阈值,直至迭代N此,即全部测试集迭代完毕;(10)最终预测出未来N小时内水资源的流速情况。应用本技术方案能精确预测未来一段时间内某流域的水流流速情况。
成果亮点
提供一种基于PCA_DWT的LSTM流域水流量预测方法,最终得到的预测量能够很好的反应未来的变化,与实际值之间的误差较小。 为实现上述目的,本发明采用如下技术方案:一种基于PCA_DWT的LSTM流域水流量预测方法,具体步骤如下: 步骤1,采集河流的历史数据,包括每个小时的流速,风速,风向,温度; 步骤2,采用主成分分析法将采集到的数据进行降维,获得影响水流流速最大的几个因素及其序列; 步骤3,采用小波分解DWT,将经过降维后的输入序列分解为一个近似序列,m个高频序列,m为分解深度; 步骤4,将序列按照频率大小,划分为m+1个不同组; 步骤5,分别将不同组的数据划分为输入、输出,并归一化; 步骤6,将不同组的数据分别划分训练集和测试集; 步骤7,将每组数据同时送入不同的长短期记忆神经网络LSTM迭代训练,每次迭代均得到未来一小时的预测流量,再与实际值相比,反向修正LSTM的权值和阈值,直至训练集数据全部迭代完毕; 步骤8,将测试集输入送入迭代后的神经网络,得到未来一小时的流速预测数据;
团队介绍
发明人:林琼斌 周宇 黄若辰 柴琴琴 林文忠 陈清楚 福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校,入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。
成果资料
产业化落地方案
点击查看
成果综合评价报告

评价单位:- (-) 评价时间:2023-12-15

黄建华

福州大学

教授

综合评价

该成果涉及LSTM流域水流量预测技术领域,特别是一种基于PCA_DWT的LSTM流域水流量预测方法。与现有技术相比,该成果具有以下有益效果:设计通过不断更新优化,及时更新网络参数,最终得到的预测量能够很好的反应未来的变化,与实际值之间的误差较小。
查看更多>
更多