基于深度学习自适应的水电站流量跳变报警阈值预测方法及系统

本发明提供基于深度学习自适应的水电站流量跳变报警阈值预测方法及系统，涉及水电站运行监控与预警领域，解决了传统流量监测报警系统中固定阈值所带来的准确性不足和适应性差的问题；方法包括：获取流体监测数据与环境监测数据，预处理后得到数据集；构建循环神经网络RNN并进行训练，得到适应流体环境变化进行流量预测的深度学习模型；将深度学习模型部署于流量监测环境中，采集实际的流量监测值，得到预设时间后的流量预测值；基于流量预测值的时刻，采集该时刻对应的流量监测值，计算该流量监测值与流量预测值之间的误差，作为流量跳变报警阈值的调整依据；本发明能够灵活应对各种流体环境的变化，有效减少误报和漏报的发生。