[发明专利]一种应用于河流水位预测数据的特征选择分解方法有效
| 申请号： | 201711330726.1 | 申请日： | 2017-12-13 |
| 公开（公告）号： | CN107992447B | 公开（公告）日： | 2019-12-17 |
| 发明（设计）人： | 杨拥军;管杰 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F17/14 | 分类号： | G06F17/14;G06F17/18;G06F17/50 |
| 代理公司： | 51229 成都正华专利代理事务所(普通合伙) | 代理人： | 何凡 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种应用于河流水位预测数据的特征选择分解方法，为了得到最适合作为模型输入的特征，本发明引入LASSO回归对原始输入集进行特征选择，并整合MODWT对选择得到的特征进行成分分解，并采用多元线性回归作为基础模型测试LASSO‑MODWT的性能。测试表明，基于LASSO‑MODWT的特征选择分解方法有利于提高河流水位预测模型的性能和模型解释能力。 | ||
| 搜索关键词： | 一种 应用于 河流 水位 预测 数据 特征 选择 分解 方法 | ||
【主权项】：
1.一种应用于河流水位预测数据的特征选择分解方法，其特征在于，包括以下步骤：/nS1、采集影响目标预测站点水位的水文要素；/nS2、根据各水文要素，基于信息理论构建特征集；/nS3、基于相关性分析对特征集中的各特征引入滞后量，构建原始输入集；/nS4、对原始输入集进行标准化处理；/nS5、基于LASSO对标准化处理后的输入集进行特征选择；/nS6、基于MODWT对特征选择后的输入集进行特征分解，得到经LASSO-MODWT优化后的输入集；/n所述步骤S5具体包括以下分步骤：/nS51、将标准化处理后的输入集作为模型输入，将预测目标站点的水位数据集作为模型输出，构建LASSO回归模型；/nS52、对LASSO回归模型进行训练，采用网格搜索法对LASSO回归的参数λ进行寻优，寻找最优参数；/nS53、采用具有最优参数的LASSO回归模型对输入集中的特征进行评分，评分标准为LASSO回归得到的回归系数，选择LASSO回归系数为正的特征继续保留在输入集中，将LASSO回归系数为0或为负的特征从输入集中去除，实现对输入集的特征选择。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711330726.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种光纤热缩管的密封系统
- 下一篇：具有防水防尘功能的光纤热缩管
