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：绍兴柯桥春生水务科技有限公司

摘要：本发明提供一种区域水资源优化配置方法及系统，涉及水资源配置技术领域，方法包括：获取目标区域的历史用水序列集；结合具有双侧约束的动态时间规整算法对历史用水序列集进行融合，得到历史用水融合序列；结合最小二乘法构建灰色预测模型，并利用灰色预测模型对历史用水融合序列进行预测，得到第一预测值；将历史用水融合序列作为输入数据输入至长短时记忆网络模型，得到第二预测值；将第一预测值和第二预测值的平均值作为瞬时预测值输出；对多个时间步的瞬时预测值进行求和，输出预测和值；根据瞬时预测值和预测和值对目标区域进行水资源配置。提升水资源配置的准确性和对突发情况的处理能力。

主权项：1.一种区域水资源优化配置方法，其特征在于，包括：S1：获取目标区域的历史用水序列集，其中，所述历史用水序列集包括采样频率不同的多个历史用水序列；S2：结合具有双侧约束的动态时间规整算法对所述历史用水序列集进行融合，得到历史用水融合序列；S3：结合最小二乘法构建灰色预测模型，并利用所述灰色预测模型对所述历史用水融合序列进行预测，得到第一预测值；S4：将所述历史用水融合序列作为输入数据输入至长短时记忆网络模型，得到第二预测值；S5：将所述第一预测值和所述第二预测值的平均值作为瞬时预测值输出；S6：对多个时间步的瞬时预测值进行求和，输出预测和值；S7：根据所述瞬时预测值和所述预测和值对所述目标区域进行水资源配置；其中，所述S2具体包括：S201：建立距离第一历史用水序列和第二历史用水序列的距离最短的备选路径： 其中，表示所述备选路径的第s个备选点，，，分别表示所述备选路径的第s个备选点的横坐标和纵坐标，其中，所述横坐标和所述纵坐标分别对应所述第一历史用水序列和所述第二历史用水序列的第个采样点和第个采样点；S202：计算所述第一历史用水序列的第个采样点坐标和所述第二历史用水序列上的第个采样点坐标与所述备选路径的备选点的欧氏距离之和： ；S203：建立关于所有采样点之间的欧氏距离之和的辅助矩阵A： 其中，X表示具有m个采样点的所述第一历史用水序列，,Y表示具有n个采样点的所述第二历史用水序列，；S204：建立所述欧氏距离之和的寻优约束，其中，所述寻优约束条件具有双侧约束： 其中，表示备选路径起点，表示备选路径终点，表示可调参数，max表示取最大值；S205：以所述备选路径的欧氏距离之和最小为目标，在所述寻优约束下对备选点进行寻优： 其中，min表示取最小值；S206：将寻优得到的备选点作为最优点进行连接，得到寻优路径；S207：分别将所述寻优路径和历史用水序列集中剩余的历史用水序列之一作为第一历史用水序列和所述第二历史用水序列，重复S201-S206，直至所述历史用水序列集中的历史用水序列消耗完毕，得到最终的寻优路径即所述历史用水融合序列；其中，所述S3具体包括：S301：建立初级灰色预测模型： 其中，表示第个时间步的模型预测值，表示所述历史用水融合序列中的第一个时间步的观测值，a和b分别表示第一模型参数和第二模型参数；S302：以最小化观测值与模型预测值之间的残差平方和为目标，通过最小二乘法确定所述初级灰色预测模型的第一模型参数和第二模型参数，所述目标对应的函数具体为： 其中，L表示所述历史用水融合序列的长度，表示取函数最小值下的a和b的值；S303：将所述第一模型参数和所述第二模型参数代入至所述初级灰色预测模型，得到所述灰色预测模型；S304：利用所述灰色预测模型对所述历史用水融合序列进行预测，得到所述第一预测值；其中，所述S4具体包括：S401：将所述历史用水融合序列分割成不同时间步长的输入序列和相对应的目标值，其中，所述目标值为所述输入序列对应的时间步长加一所对应的所述历史用水融合序列的值；S402：构建长短时记忆网络模型；S403：将所述输入序列和相对应的目标值组成的训练数据输入至所述长短时记忆网络模型进行训练；S404：将所述历史用水融合序列输入至训练后的长短时记忆网络模型，得到所述第二预测值。

全文数据：

权利要求：

百度查询： 绍兴柯桥春生水务科技有限公司 一种区域水资源优化配置方法及系统