[发明专利]一种基于混沌萤火虫与梯度提升树模型的河流水位预测方法

权利要求书

1.一种基于混沌萤火虫与梯度提升树模型的河流水位预测方法，其特征在于，所述方法包括：

S101：数据采集，所需数据总共分成五类，分别包括能够表示一份数据在一个特定时间点已经存在的完整的可验证的时间戳数据，当前时间段内河流流量总和的累计水量数据，单位时间内流经封闭管道或明渠有效截面的流体量的瞬时流量数据，河流单位时间内的位移的流速数据，当前时间段内最直观反映水体水情的水位数据。

S102：采集数据预处理，本发明中所采集的数据均为结构化数据，结构化数据中数据预处理包含异常值的剔除、缺失值的处理、数据归一化。

S103：基于改进后的混沌萤火虫算法(Glowworm Swarm Optimization，GSO)对梯度提升树模型(Gradient Boosted Decision Tree，GBDT)的训练参数进行优化，并将改进的梯度提升树模型应用于河流水位预测研究。

S104：构造训练样本集，将处理后得到的5类数据中随机采用一部分用于模型训练，用GSO算法进行寻优，进行参数调优，得到最优参数下的GBDT模型，结合测试集进行模型检验，计算与实际值的误差，验证模型的优良。

2.根据权利要求1所述的五类数据，其特征在于：

预测水位的数据获取包括以下：

S1011：时间戳能够表示在一个特定时间点已经存在的完整的可验证的数据；

S1012：累计水量反映当前时间段内河流水总和；

S1013：瞬时流量反映单位时间内流经封闭管道或明渠有效截面的流体量的数据，目前主要采用流量仪表来测量河流的流量，由于流量具有不稳定性，所以流量的测量值与实际值误差较大；

S1014：流速反映河流单位时间内的位移，渠道和河道里的水流各点的流速不相同，靠近河(渠)底、河边处的流速较小，河中心近水面处的流速最大；

S1015：水位能够反映当前时间段内最直观反映水体水情，水位的观测内容一般包含流势、波浪、冰情等变化的影响，观测的时间和次数要随一天内水位的变化过程而改变。

3.根据权利要求1所述的结构化数据预处理，其特征在于：

S1021：本发明中对数据进行预处理时，对于缺失值处理的三种方法：直接使用含有缺失值的特征；删除含有缺失值的特征(该方法在包含缺失值的属性含有大量缺失值而仅仅包含极少量有效值时是有效的)；缺失值补全；常见的特征选择类型分为三类：过滤式(filter)、包裹式(wrapper)、嵌入式(embedding)。