摘要
本发明涉及水资源管理领域,具体是一种建立以电折水系数预测模型的方法,包括以下步骤:步骤S100,获取野外测试得到的以电折水系数、用水量及以电折水系数的影响因子数据集;步骤S200,利用皮尔逊相关性分析方法对以电折水系数及其影响因子进行相关性分析,获取高相关性影响因子数据集;步骤S300,对高相关性影响因子数据集进行预处理,然后输入卷积神经网络预测模型进行训练,得到预测精度较高的以电折水系数预测模型。本发明结合皮尔逊相关性分析和卷积神经网络,能显著提高以电折水系数预测的精度,本发明有较强的泛化能力,能够在不同地区和条件下保持较高的预测准确性,且大幅提升了预测效率,本发明的预测模型能高效准确的预测以电折水系数。
技术关键词
相关性分析方法
因子
神经网络预测模型
安装监测设备
生成输出数据
网络优化
典型
水泵
优化器
监测点
精度
地下水
水量
样本
矩阵
功率
模式
强度
系统为您推荐了相关专利信息
健康状态评估方法
铝电解槽
指标
模糊层次分析法
理论
可变遗忘因子
卡尔曼滤波算法
水库洪水预报
递推算法
校正方法
中继无人机
无人机充电站
因子
数据传输时延
群智能算法