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！

摘要：本发明公开了基于机器学习的水位异常检测预警方法，属于水位预警技术领域。首先，通过采集气象信息、历史日志和陆地水文图，以及指定区域内河流周边的图像数据和环境信息，在陆地水文图中将河流划分为河道，采用机器学习算法在历史日志中提取训练集，分析得到各河道的关系参数和风险系数；其次，再根据风险系数划分异常河道和标记河道，分析标记河道周边的图像数据和环境信息并建立关系公式，结合气象信息预测未来一段时间异常河道的水位变化幅度，从而计算异常河道的趋向指数；最后，通过数据中心显示所有河道的信息，定时生成水位记录存入历史日志中，设置指数阈值，在异常河道的趋向指数大于指数阈值时进行预警。

主权项：1.基于机器学习的水位异常检测预警方法，其特征在于：该方法包括以下步骤：S100、采集气象信息、历史日志和陆地水文图，以及指定区域内河流周边的图像数据和环境信息；S200、在陆地水文图中将河流划分为河道，采用机器学习算法在历史日志中提取训练集，分析得到各河道的关系参数和风险系数，根据风险系数划分异常河道和标记河道；S300、分析标记河道周边的图像数据和环境信息并建立关系公式，结合气象信息预测未来一段时间异常河道的水位变化幅度，从而计算异常河道的趋向指数；S400、数据中心显示所有河道的信息，定时生成水位记录存入历史日志中，设置指数阈值，当异常河道的趋向指数大于指数阈值时进行预警；在S200中，具体步骤如下：S201、分析陆地水文图中河流的所有分岔口的位置，相邻分岔口相连接后，将河流划分为不同的河道，确保每个河道中没有分岔口且只有一个流入口和流出口相连接；分析河流方向，将与河道h流入口连接的所有其他河道作为h的上层河道，按照河流方向将河道h流入口上游的所有其他河道作为h的上游河道；S202、获取历史日志中所有水位记录的标识符，分析每个标识符对应监测设备的位置的所处河道，按照所处河道的不同对水位记录进行分类；分析每类的水位记录中的采集时间，分别计算相同采集时间下各水位记录中水位的平均值以得到平均水位；为每个河道建立记录集合，将每类的采集时间和平均水位放入对应记录集合中；S203、将河道的记录集合与其上层河道的记录集合进行关联，将关联集合中相同采集时间下的所有平均水位打包为训练集，采用机器学习算法根据不同训练集拟合分析各河道的关系参数，通过关系参数分析计算各河道的风险系数，设置系数阈值，风险系数大于系数阈值的河道作为异常河道，将异常河道的所有上层河道进行标记；在S203中，关系参数的具体分析步骤如下：S2031、将河道的记录集合JHn与其所有上层河道的记录集合JHall进行关联，统计JHn中元素数量L并建立L个样本；获取关联集合中每个采集时间所对应的所有平均水位，将属于JHn的平均水位作为因变量，属于JHall的平均水位作为自变量，将相同采集时间下的因变量与自变量放入样本中，全部放入完成后所有样本打包为训练集；S2032、将每个河道的训练集分别输入至多元线性回归模型中进行训练，得到每个河道的影响预测模型；具体包括：将训练集中每个样本的所有自变量作为多元线性回归模型的输入值，计算输出结果与对应样本的因变量之间的差值，设置误差阈值，当差值小于误差阈值时则标记对应样本并计算下一个样本；其他情况则调整回归系数的参数，得到新的多元线性回归模型，将未标记的样本重新输入至新的多元线性回归模型中进行计算，直到所有样本被标记则将当前的多元线性回归模型作为预测模型；其中，多元线性回归模型y的表达式为：y＝β0+β1SW1+β2SW2+...+βiSWi；式中，βi为第i个回归系数，SWi为第i个自变量；将β1，β2，...，βi作为对应河道的关系参数；在S203中，先将同一河道下所有监测设备当前时间下所采集的水位求和后计算平均值，得到河道的当前水位设置最高水位再将同一河道下所有关系参数求和得到总参数代入公式计算每个河道的风险系数： 式中，FXXe为河道e的风险系数，α和f为常数，R为河道e的所有上游河道数量，s为所有河道的数量。

全文数据：

权利要求：

百度查询： 娄底市水利水电工程建设有限责任公司 基于机器学习的水位异常检测预警方法