一种基于可解释机器学习的耗水率预测方法、系统、设备及存储介质

本发明公开了一种基于可解释机器学习的耗水率预测方法、系统、设备及存储介质，涉及水电工程技术领域，方法包括：采集电站历史耗水率数据，进行时序特征挖掘与候选因子筛选，得到预选因子集；基于预选因子集，构建向量回归预测模型；基于向量回归预测模型进行可解释性分析与特征迭代优化，确定最优模型，即耗水率预测模型；输入实时监测的因子值，通过耗水率预测模型输出耗水率预测值。本发明不仅有效解决了传统耗水率预测方法难以捕捉复杂因素关系、预测精度低以及缺乏可解释性的问题，还能够为水电站的调度优化提供准确、可靠且具有可解释性的耗水率预测结果。