[发明专利]一种径流预测方法、系统及计算机存储介质

说明书

本发明公开了一种径流预测方法、系统及计算机存储介质，方法包括：获取历史径流数据；对历史径流数据进行信息粒化处理，获得相应的径流变化序列；将径流变化序列输入神经网络模型，获得相应的径流预测结果，其中径流预测结果为区间值。本发明考虑了径流过程受气候变化和人类活动的影响，呈现高度的非线性和不确定性的特征，采用区间预测结果代替确定性的点值预测结果，在反映径流过程的随机性和不确定性的基础上，也提高了径流预测的精度，更好地为决策者提供决策依据。

技术领域

本发明涉及水文预测技术领域，特别涉及一种径流预测方法、系统及计算机存储介质。

背景技术

径流预测是指根据前期或现时已出现的水文、气象等信息，运用水文学、气象学、水力学、统计学等相关学科的原理与方法，对河流、水库、湖泊等水体未来一段时间以内的径流情势作出定量或定性的预测。目前我国径流预测最常用的方法是数理统计法，常用的模型包括时间序列分析模型、回归分析模型、人工神经网络模型以及组合预测模型等，虽然径流预测的模型方法很多，但目前还没有一种模型适用于所有的水文序列。特别对于中长期径流预测而言，由于中长期径流预测时间跨度较长，现有的预测方法对于径流序列不确定性的预测较差，导致预测结果精度不高，难以应用于实际。

现有的中长期径流预测模型大致可以归为两类，一类为确定性预测模型，这类模型又可以分为单一预测模型和组合预测模型，此类预测模型的预测结果为一个确定值，无法反映径流过程中的随机性与不确定性。另外一类是概率预测模型，此类模型以概率分布的形式定量描述了径流预测的不确定性，但需要的参数较多，数据收集困难，复杂性高，实际应用较困难。

并且，目前通常把大量的工作集中在校对模型参数上，效率低，且适应性不强。因此，如何能够根据河流水文情势变化对径流的非线性和不确定性做出预测并且提高预测的精度已成为一个亟待解决的问题。

发明内容

本发明实施例提供了一种径流预测方法、系统及计算机存储介质，用以解决现有技术中径流预测的不确定性预测较差且精度不高的问题。

一方面，本发明实施例提供了一种径流预测方法，包括：

获取历史径流数据；

对历史径流数据进行信息粒化处理，获得相应的径流变化序列；

将径流变化序列输入神经网络模型，获得相应的径流预测结果，其中径流预测结果为区间值。

在一种可能的实现方式中，对历史径流数据进行信息粒化处理，获得相应的径流变化序列，可以包括：将历史径流数据划分为多个窗口；对每个窗口均进行模糊化处理；采用隶属度函数对模糊处理后的窗口进行处理，获得径流变化序列。

在一种可能的实现方式中，隶属度函数为三角形隶属度函数。

在一种可能的实现方式中，将径流变化序列输入神经网络模型，获得相应的径流预测结果，可以包括：对径流变化序列进行归一化处理；对神经网络模型进行初始化；训练初始化后的神经网络模型；将归一化处理后的径流变化序列输入训练好的神经网络模型，得到径流预测结果。

在一种可能的实现方式中，径流变化序列包括最小值序列、平均值序列和最大值序列。

在一种可能的实现方式中，神经网络模型为BP神经网络模型。

另一方面，本发明实施例还提供了一种径流预测系统，包括：

数据获取模块，用于获取历史径流数据；

粒化处理模块，用于对历史径流数据进行信息粒化处理，获得相应的径流变化序列；

径流预测模块，用于将径流变化序列输入神经网络模型，获得相应的径流预测结果，其中径流预测结果为区间值。

另一方面，本发明实施例还提供了一种电子设备，包括：