摘要
本发明公开一种月径流序列区间预测方法,包括如下步骤:S1:月径流数据准备:采集月径流数据,对数据进行预处理后,将数据划分为训练数据和测试数据;S2:建立CNN‑BiLSTM点预测模型:包括:输入层、CNN层、BiLSTM层和输出层,将训练数据输入CNN‑BiLSTM点预测模型,得到月径流点预测结果;S3:建立CPO‑CNN‑BiLSTM点预测模型;S4:建立CPO‑CNN‑BiLSTM‑NKDE区间预测模型;本发明针对CNN‑BiLSTM点预测模型中超参数选择困难的问题,提出利用CPO优化CNN‑BiLSTM模型中的隐藏层节点数、初始学习率、正则化系数,从而建立最优的CPO‑CNN‑BiLSTM点预测模型,大大提高了月径流预测的收敛速率和精确度。
技术关键词
径流
区间预测方法
三次样条插值法
分段
概率分布函数
数据
BiLSTM模型
位点
核密度估计方法
序列
节点数
输出特征
概率密度函数
参数
训练样本集
预测误差
网路
坐标
系统为您推荐了相关专利信息
数据压缩方法
序列
物流
数据压缩传输技术
计算机程序指令
WPT系统
无线充电系统
统计特征参数
串联补偿电容
接收线圈
储能充电站
长短期记忆网络
算法
概率分布函数
深度强化学习
自动化测试方法
滑动窗口
供电电压值
偏差
数学模型
对象
图像
单光子发射计算机断层扫描
数据
显示设备