买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长江水利委员会长江科学院;中国长江电力股份有限公司

摘要：本发明公开了一种基于深度学习的坝下支流顶托条件分析系统，属于水位预测计算技术领域，包括以下步骤：S1：数据预处理，从计算目标水利设施的历史运行数据中获取数据，将数据处理为模型训练格式；S2：借助SVR模型或多元线性回归模型，构建单一时段下游水位预测模型；S3：构建随机森林模型，分析不同时段前的坝下支流流量和水位预测误差的权重关系，得到坝下支流对坝下游水位造成顶托影响的阈值；S4：构建深度学习模型，使用LSTM模型构建深度学习坝下水位预测模型，计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。本发明最终得到的坝下支流顶托影响滞时和阈值，可对受到坝下支流顶托影响的水坝下游水位预测分析提供帮助。

主权项：1.一种基于深度学习的坝下支流顶托条件分析系统，其特征在于：包括以下步骤：S1：数据预处理，从计算目标水利设施的历史运行数据中获取数据，将数据处理为模型训练格式；S2：构建机器学习水位预测模型，借助SVR模型或多元线性回归模型，构建单一时段下游水位预测模型；在步骤S2中具体包括以下步骤：S21：对特征变量数据进行特征化处理；S22：将特征化处理的训练数据及其对应的坝下游水位值赋予模型进行训练，视特征变量和下游水位之间是否具有明显线性关系来决定学习模型采用SVR模型或者多元线性回归模型；S23：使用完成训练的模型对测试集数据进行计算，得到预测坝下水位，计算预测坝下水位和真实坝下水位的绝对误差；S3：构建随机森林模型，分析不同时段前的坝下支流流量和水位预测误差的权重关系，得到坝下支流对坝下游水位造成顶托影响的阈值；在步骤S3中具体包括以下步骤：S31：已知使用测试集中的特征变量计算坝下水位的误差，取每个误差所对应的时段及其前n个时段的坝下支流流量数据，n个时段的总时长大于假定的坝下支流到水坝的回水流行时间，所有误差对应的流量数据构成一个二维矩阵[samlpes；flowrates]，划分训练集与测试集；S32：将构建的二维矩阵及其对应的水位预测误差，输入到随机森林模型中；S4：构建深度学习模型，使用LSTM模型构建深度学习坝下水位预测模型，根据对应滞时的坝下支流流量大小进行情景划分，计算不同情景的预测误差判断坝下流量造成顶托影响的阈值。

全文数据：

权利要求：

百度查询： 长江水利委员会长江科学院 中国长江电力股份有限公司 一种基于深度学习的坝下支流顶托条件分析系统