专利交易市场

本发明公开了一种基于随机森林和IFDA优化CNN‑GRU的中长期径流预测方法，包括以下步骤：(1)预先获取旬径流历史数据以及历史旬降雨数据，对数据进行预处理，并分为训练集和测试集；(2)构建CNN‑GRU混合预测模型，并确认卷积神经网络门控循环单元的结构；(3)使用改进后的流向算法IFDA优化CNN‑GRU混合预测模型：先采用混沌算法对流向算法进行初始化，然后使用改进好的流向算法优化CNN‑GRU模型的学习率以及隐含层节点个数，最后建立基于改进的流向算法IFDA优化CNN‑GRU的混合模型IFDA‑CNN‑GRU；(4)使用训练集对建立好的IFDA‑CNN‑GRU模型进行训练，将测试集送入训练好的模型中运行，得到预测结果。本发明能够有效地进行中长期径流预测，并且比其他模型具有更好的准确性。

本发明公开了一种基于VMD分解和IHHO优化LSTM的径流预测方法及系统，首先，选取水文站点的历史径流数据作为实验数据并对数据进行预处理和归一化；然后将处理好的数据用变分模态分解分解为多个拥有不同频率的子模态；再对哈里斯鹰算法使用混沌初始化和爬山算法进行优化，并使用优化后的哈里斯鹰算法对长短期记忆网络的隐含层节点个数和学习率两个参数寻优；接着将所得最优参数赋给LSTM并对每个子模态进行训练，建立IHHO‑LSTM子模型；最后，对各个子模态分别进行测试得到预测值，将所得子模态的预测值聚合和反归一化得到VMD‑IHHO‑LSTM的最终预测值并进行误差分析，利用误差指标进行性能评价。本发明可以提高径流预报的精度，获得比较准确的预测结果。

本发明公开了一种基于改进SCA和QRGRU的径流区间预测方法及系统，包括：(1)对预先获取的原始数据进行预处理，并将处理后的各项数据按时间转换成为矩阵型序列；(2)利用PSR方法与RF模型对时间训练进行特征选择，挑选出RF中重要性高的时间序列与PSR重构出的多维序列组成数据集；(3)采用混沌Tent映射和非线性因子对SCA算法进行改进，并利用改进后的SCA算法对GRU模型的隐藏层单元数目与学习率进行寻优；(4)构建QRGRU模型，初始化模型的参数；(5)建立QRGRU的径流区间预测模型，对径流时间序列进行预测，输出误差与区间预测的结果。本发明用QRGRU模型的对径流进行区间预测，预测结果能够描述确定性预测难以反映的不确定性问题，且其结果具有更高的可信度。