[发明专利]一种基于聚类和GRU实现水位预警的方法及系统

权利要求书

1.一种基于聚类和GRU实现水位预警的方法，其特征在于，包括步骤：

S1.采集水位信息，并根据采集到的水位信息计算水位变化量数据集；

S2.基于DBSCAN聚类算法对水位变化量数据集进行聚类，得到水位变化量数据集相对应的正常数据和异常数据；

S3.将得到的正常数据和异常数据输至入GRU网络中进行训练，得到预测异常点的权重参数，根据得到的权重参数构建水位预测模型；

S4.将测试数据输入构建的水位预测模型中，水位预测模型输出水位信息；

步骤S1中根据采集到的水位信息计算水位变化量信息集之后还包括：对每条水位变化量数据X_0＝[X₀,X₁,X₂…X_t…X_n]进行最大最小归一化处理，得到归一化处理后的数据集X＝[x₀,x₁,x₂…x_t…x_n]；

步骤S2具体包括：

S21.在数据集中任选一个未被处理的对象x_i，检查对象x_i的邻域，若x_i对应的邻域中点数量大于等于最小包含点数minPts，则建立一个簇K，并将x_i标记为已处理，将x_i对应的邻域中的所有点加入候选集C中，并执行步骤S22；若x_i对应的邻域中点数量小于最小包含点数minPts，则标记x_i为噪声点；

S22.对候选集C中所有尚未被处理的对象x_j，检查对象x_j的邻域，若x_j对应的邻域中点数量大于等于最小包含点数minPts，则将x_j对应的邻域中的所有点加入候选集C，并将x_j标记为已处理，如果x_j未归入任何一个簇，则将对象加入簇K，并执行步骤S23；若x_j对应的邻域中点数量小于最小包含点数minPts，则标记x_j为噪声点；

S23.重复执行步骤S22，继续检查候选集C中未被标记的对象，直到候选集C中的对象都已被处理；

S24.重复执行步骤S21-S23，直到所有对象都归入了某个簇或标记为噪声。

2.根据权利要求1所述的一种基于聚类和GRU实现水位预警的方法，其特征在于，所述步骤S3中将得到的正常数据和异常数据输至入GRU网络中进行训练是将正常数据和异常数据输至入GRU网络中，采用正向反向迭代传递进行处理。

3.根据权利要求1所述的一种基于聚类和GRU实现水位预警的方法，其特征在于，所述步骤S1中采集水位信息中采样的时间间隔为5分钟；所述计算水位变化量数据集是计算当前时间点的前12小时至当前时间每5分钟的水位变化量。