[发明专利]基于改进粒子群Conv1D-Attention优化模型的水库水位预测预警方法

说明书

本发明涉及一种基于改进粒子群Conv1D‑Attention优化模型的水库水位预测预警方法，包括以下步骤：步骤S1:获取水库水位相关数据，并预处理，得到初始数据集；步骤S2：基于初始数据集，进行特征工程处理，得到特征数据集；步骤S3:将特征数据集划分为训练集和测试集，并进行数据重塑，将2D数据重塑为3D数据；步骤S4:构建Conv1D‑Attention模型；步骤S5:采用改进的PSO优化算法对Conv1D‑Attention模型进行寻优；步骤S5:基于步骤S5获取的最优参数，构建并训练基于改进粒子群Conv1D‑Attention优化模型；步骤S6:通过基于改进粒子群Conv1D‑Attention优化模型，对水库水位进行预测。本发明能够精准有效的对水库水位进行预测，并未极端天气的预警提供可靠数据。

技术领域

本发明涉及水库水位预测预警技术领域，涉及一种基于改进粒子群Conv1D-Attention优化模型的水库水位预测预警方法。

背景技术

现有的水库水位调度技术，基于采集的水库水位监测数据、降雨量，再凭借人工经验及简单的数学推导公式进行调度水库水位，以将水库水位调度到水库安全水位。

水库历史水位、泄洪量、气象数据等是水库水位变化的重要影响因子，凭借人工经验及简单的数学推导公式，易忽略一些影响水库水位变化的重要因子，同时无法挖掘和使用到历史数据、不同特征维度之间的影响关系，亦无法提前把握未来水库水位的变化趋势，因此该方法只能对水库水位进行实时调度，而不能提前调度水库水位以应对未来的极端天气。

发明内容

有鉴于此，本发明的目的在于提供一种基于改进粒子群 Conv1D-Attention优化模型的水库水位预测预警方法，能够精准有效的对水库水位进行预测，并未极端天气的预警提供可靠数据。

为实现上述目的，本发明采用如下技术方案：

一种基于改进粒子群Conv1D-Attention优化模型的水库水位预测预警方法，包括以下步骤：

步骤S1:获取水库水位相关数据，并预处理，得到初始数据集；

步骤S2：基于初始数据集，进行特征工程处理，得到特征数据集；

步骤S3:将特征数据集划分为训练集和测试集，并进行数据重塑，将2D数据重塑为3D数据；

步骤S4:构建Conv1D-Attention模型；

步骤S5:采用改进的PSO优化算法对Conv1D-Attention模型进行寻优；

步骤S5:基于步骤S5获取的最优参数，构建并训练基于改进粒子群 Conv1D-Attention优化模型；

步骤S6:通过基于改进粒子群Conv1D-Attention优化模型，对水库水位进行预测。

进一步的，所述水库水位相关数据包括采集时间、水库水位、泄洪量和降雨量。

进一步的，所述预处理，具体为：

步骤S11:将水库水位、泄洪量、降雨量的采集时间归约到同一精度，并将采集时间作为关键字进行数据的连接；

步骤S12:连接完成后将数据集按采集时间进行排序，排序方式为升序；

步骤S13:对缺失值进行填补，得到初始数据集。

进一步的，所述步骤S2具体为：

步骤S21:基于初始数据集，构造时效分量；

步骤S22:基于初始数据集，进行水位特征变换；

步骤S23:对数据集进行归一化处理，得到特征数据集。