CN106875047B - 水库流域径流预报方法及系统 - Google Patents
水库流域径流预报方法及系统 Download PDFInfo
- Publication number
- CN106875047B CN106875047B CN201710059047.9A CN201710059047A CN106875047B CN 106875047 B CN106875047 B CN 106875047B CN 201710059047 A CN201710059047 A CN 201710059047A CN 106875047 B CN106875047 B CN 106875047B
- Authority
- CN
- China
- Prior art keywords
- entropy
- precision
- forecasting
- calculating
- forecast
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013277 forecasting method Methods 0.000 title abstract description 5
- 238000011156 evaluation Methods 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000011161 development Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及水文预报技术领域,公开了一种水库流域径流预报方法及系统,以提升水库流域径流预报精度。本发明公开的预报方法包括:第一步、基于熵理论计算至少两个预报模型相对应历史径流预报数据的各精度评价指标的历史熵权;第二步、基于熵理论计算各预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权;第三步、将各维精度评价指标对应的历史熵权与当前熵权进行结合,得到各所述预报模型的熵权加权值,进而计算得出各所述预报模型的校正权重;第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。本发明可综合利用多个模型预报性能优势,有效提高水库流域径流预报精度。
Description
技术领域
本发明涉及水文预报技术领域,尤其涉及一种水库流域径流预报方法及系统。
背景技术
近年来,随着全球气候的变化,暴雨洪水等极端气候事件频发,开展水库优化调度是实现洪水资源化利用,有效提升水库的防洪、发电等综合效益的重要手段。开展水库优化调度必须要以准确的水库流域径流预报作为支撑,现有的径流预报模型由于对水库流域的产汇流特性进行概化处理,难以准确刻画不同类型的流域产汇流过程,而不同的径流预报模型由于概化处理侧重不同,针对各种类型的径流过程预报准确率不尽相同。
发明内容
本发明目的在于公开一种水库流域径流预报方法及系统,以提升水库流域径流预报精度。
为实现上述目的,本发明公开了一种水库流域径流预报方法,包括:
第一步、获取至少两个预报模型面向同一事件的历史径流预报数据,以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权;
第二步、获取各所述预报模型面向当前场次的预报数据,以与第一步相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权;
第三步、将各维精度评价指标对应的历史熵权与当前熵权进行结合,得到各所述预报模型的熵权加权值,进而计算得出各所述预报模型的校正权重;
第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。
为实现上述目的,本发明还公开一种水库流域径流预报系统,包括:
第一模块、用于获取至少两个预报模型面向同一事件的历史径流预报数据,以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权;
第二模块、用于获取各所述预报模型面向当前场次的预报数据,以与第一模块相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权;
第三模块、用于将各维精度评价指标对应的历史熵权与当前熵权进行结合,得到各所述预报模型的熵权加权值,进而计算得出各所述预报模型的校正权重;
第四模块、用于根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。
基于本发明的水库流域径流预报方法及系统,可选的,上述基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一,在将所述精度指标矩阵一进行归一化处理后,计算针对历史径流预报数据的第i个评价指标的熵值EHi,然后根据公式:
同理,上述基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二,在将所述精度指标矩阵二进行归一化处理后,计算针对当前场次的预报数据的第i个评价指标的熵值EQi,然后根据公式:
其中,i=1,2,...,n,n为选择的精度评价指标个数。
可选的,上述各所述预报模型的熵权加权值的计算公式如下:
其中,hij为归一化后的精度指标矩阵一,qij为归一化后的精度指标矩阵二;j=1,2,...,m,m为径流预报模型个数。
可选的,上述各所述预报模型的校正权重Rj的计算方式如下:
综上,本发明具有以下有益效果:
1)、原理清晰,操作方便,具有很高的实用价值。
2)、基于熵权法对多种预报模型的预报结果进行了组合校正,并对历史径流预报数据和当前场次的预报数据也进行了组合校正,可综合利用多个模型预报性能优势,挖掘不同预报模型的预报性能,有效提高水库流域径流预报精度,进而为水库开展优化调度提供必要的数据基础。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例公开的水库流域径流预报方法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种水库流域径流预报方法,如图1所示,包括:
第一步、获取至少两个预报模型面向同一事件的历史径流预报数据,以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权。
可选的,该步骤中,基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一,在将所述精度指标矩阵一进行归一化处理后,计算针对历史径流预报数据的第i个评价指标的熵值EHi,然后根据公式:
第二步、获取各所述预报模型面向当前场次的预报数据,以与第一步相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权。
可选的,该步骤中,基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二,在将所述精度指标矩阵二进行归一化处理后,计算针对当前场次的预报数据的第i个评价指标的熵值EQi,然后根据公式:
其中,i=1,2,...,n,n为选择的精度评价指标个数。
值得说明的是,本实施例中历史的精度评价是指历史很多年的数据的精度评价;当前场次的精度评价是指当前洪水过程前几天的精度评价,如6月1日起有一场洪水,那么到了6月5日时,就计算6月1日-6月5日的预报数据的精度指标。
第三步、将各维精度评价指标对应的历史熵权与当前熵权进行结合,得到各所述预报模型的熵权加权值,进而计算得出各所述预报模型的校正权重。可选的,各所述预报模型的熵权加权值Sj的计算公式如下:
其中,hij为归一化后的精度指标矩阵一,qij为归一化后的精度指标矩阵二;j=1,2,...,m,m为径流预报模型个数。
可选的,各所述预报模型的校正权重Rj的计算方式如下:
第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。
为便于本领域技术人员充分理解本实施例的技术实施,下面针对具体量化的预报模型和精度评价指标做进一步说明,具体包括下述的步骤(1)至步骤(8):
步骤(1)、获取某水库流域3种径流预报模型面向同一事件的历史径流预报数据以及当前场次洪水预报数据。
步骤(2)、选取径流预报确定性系数、均方根误差、洪水总量相对误差、洪峰流量相对误差等4个精度评价指标(相关各指标的为本领域技术人员熟知的术语,不再赘述,相关参考文献可参阅:水文情报预报规范,GB/T 22482-2008,中华人民共和国国家标准),计算各水库流域径流预报模型的精度指标矩阵P={Hij,Qij|i=1,2,3,4,j=1,2,3};Hij为第j个预报模型的历史径流预报数据的第i个评价指标值;Qij为第j个预报模型针对当前场次洪水预报的第i个评价指标值。
步骤(3)、为消除不同评价指标量纲的不一致,将精度指标矩阵进行归一化处理,归一化后的精度指标矩阵p={hij,qij|i=1,2,3,4,j=1,2,3};其中hij为第j个预报模型的历史径流预报数据的第i个归一化评价指标值;qij为第j个预报模型针对当前场次洪水预报的第i个归一化评价指标值。
步骤(4)、基于熵理论计算公式(见下式(1))计算各评价指标的熵值E={EHi,EQi|i=1,2,3,4},其中EHi为针对历史径流预报数据的第i个评价指标的熵值;EQi为针对当前场次洪水预报的第i个评价指标的熵值。
式中,E为计算得到的熵值,n为数据系列的长度,pi为数据系列第i个的值。
步骤(5)、根据步骤(4)计算的评价指标熵值,计算各评价指标的熵权W={WHi,WQi|i=1,2,3,4},WHi和WQi的计算公式如式(1)和式(2):
其中,WHi为针对历史径流预报数据的第i个评价指标的熵权;WQi为针对当前场次洪水预报的第i个评价指标的熵权。
步骤(6)、计算各径流预报模型的熵权加权值S={Sj|j=1,2,3},Sj的计算公式如下式(3):
其中,Sj为第j个模型的熵权加权值。
步骤(7)、采用下式(4)计算各径流预报模型的校正权重R={Rj|j=1,2,3}={0.2,0.32,0.48},Rj的计算公式如下式(4):
其中,Rj为第j个模型的校正权重。
步骤(8)、根据步骤(7)的校正权重采用算术加权平均法即可计算得到多个模型组合校正预报结果。
综上,本实施例公开的水库流域径流预报方法,具有下述优点:
1)、原理清晰,操作方便,具有很高的实用价值。
2)、基于熵权法对多种预报模型的预报结果进行了组合校正,并对历史径流预报数据和当前场次的预报数据也进行了组合校正,可综合利用多个模型预报性能优势,挖掘不同预报模型的预报性能,有效提高水库流域径流预报精度,进而为水库开展优化调度提供必要的数据基础。
实施例2
与实施例1中的方法相对应的,本实施例公开一种水库流域径流预报系统。
本实施例所公开系统包括下述第一至第四模块,各模块的功能分述如下:
第一模块、用于获取至少两个预报模型面向同一事件的历史径流预报数据,以同一标准计算各所述预报模型相对应历史径流预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权。
可选的,该第一模块中基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一,在将所述精度指标矩阵一进行归一化处理后,计算针对历史径流预报数据的第i个评价指标的熵值EHi,然后根据公式:
第二模块、用于获取各所述预报模型面向当前场次的预报数据,以与第一模块相同的方法计算各所述预报模型相对应当前场次的预报数据的各维精度评价指标,并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权。
可选的,基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二,在将所述精度指标矩阵二进行归一化处理后,计算针对当前场次的预报数据的第i个评价指标的熵值EQi,然后根据公式:
第三模块、用于将各维精度评价指标对应的历史熵权与当前熵权进行结合,得到各所述预报模型的熵权加权值,进而计算得出各所述预报模型的校正权重。
可选的,该第三模块中各所述预报模型的熵权加权值Sj的计算公式如下:
其中,hij为归一化后的精度指标矩阵一,qij为归一化后的精度指标矩阵二;j=1,2,...,m,m为径流预报模型个数。
另一方面,该第三模块中各所述预报模型的校正权重Rj的计算方式如下:
第四模块、用于根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。
同理,本实施例公开的水库流域径流预报系统,具有下述优点:
1)、原理清晰,操作方便,具有很高的实用价值。
2)、基于熵权法对多种预报模型的预报结果进行了组合校正,并对历史径流预报数据和当前场次的预报数据也进行了组合校正,可综合利用多个模型预报性能优势,挖掘不同预报模型的预报性能,有效提高水库流域径流预报精度,进而为水库开展优化调度提供必要的数据基础。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种水库流域径流预报方法,其特征在于,包括:
第一步、获取至少两个预报模型面向同一事件的历史径流预报数据,以同一标准计算各所述预报模型相对应历史径流预报数据的各精度评价指标,并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权;历史的精度评价是指依据历史很多年的数据的进行的精度评价;
第二步、获取各所述预报模型面向当前场次的预报数据,以与第一步相同的方法计算各所述预报模型相对应当前场次的预报数据的各精度评价指标,并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权;当前场次的精度评价是指依据当前洪水过程前几天的数据进行的精度评价;
第三步、将各精度评价指标对应的历史熵权与当前熵权进行结合,得到各所述预报模型的熵权加权值,进而计算得出各所述预报模型的校正权重;各所述预报模型的熵权加权值Sj的计算公式如下:
其中,hij为归一化后的精度指标矩阵一,qij为归一化后的精度指标矩阵二;j=1,2,...,m,m为预报模型个数;WHi为历史径流预报数据的第i个评价指标的熵权;WQi为当前场次的预报数据的第i个评价指标的熵权;
各所述预报模型的校正权重Rj的计算方式如下:
第四步、根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。
2.根据权利要求1所述的水库流域径流预报方法,其特征在于,所述第一步中基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一,在将所述精度指标矩阵一进行归一化处理后,计算针对历史径流预报数据的第i个评价指标的熵值EHi,然后根据公式:
同理,所述第二步中基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二,在将所述精度指标矩阵二进行归一化处理后,计算针对当前场次的预报数据的第i个评价指标的熵值EQi,然后根据公式:
其中,i=1,2,...,n,n为选择的精度评价指标个数。
3.一种水库流域径流预报系统,其特征在于,包括:
第一模块、用于获取至少两个预报模型面向同一事件的历史径流预报数据,以同一标准计算各所述预报模型相对应历史径流预报数据的各精度评价指标,并基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权;历史的精度评价是指依据历史很多年的数据的进行的精度评价;
第二模块、用于获取各所述预报模型面向当前场次的预报数据,以与第一模块相同的方法计算各所述预报模型相对应当前场次的预报数据的各精度评价指标,并基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权;当前场次的精度评价是指依据当前洪水过程前几天的数据进行的精度评价;
第三模块、用于将各精度评价指标对应的历史熵权与当前熵权进行结合,得到各所述预报模型的熵权加权值,进而计算得出各所述预报模型的校正权重;各所述预报模型的熵权加权值Sj的计算公式如下:
其中,hij为归一化后的精度指标矩阵一,qij为归一化后的精度指标矩阵二;j=1,2,...,m,m为预报模型个数;WHi为历史径流预报数据的第i个评价指标的熵权;WQi为当前场次的预报数据的第i个评价指标的熵权;
各所述预报模型的校正权重Rj的计算方式如下:
第四模块、用于根据各所述预报模型的校正权重采用算术加权平均法计算得出由各所述预报模型组合的水库流域径流预报结果。
4.根据权利要求3所述的水库流域径流预报系统,其特征在于,所述第一模块中基于熵理论计算各所述预报模型相对应历史径流预报数据的各精度评价指标的历史熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应历史径流预报数据的精度指标矩阵一,在将所述精度指标矩阵一进行归一化处理后,计算针对历史径流预报数据的第i个评价指标的熵值EHi,然后根据公式:
同理,所述第二步中基于熵理论计算各所述预报模型相对应当前场次的预报数据的各精度评价指标的当前熵权包括:
构建由各所述预报模型的精度评价指标组成的相对应当前场次的预报数据的精度指标矩阵二,在将所述精度指标矩阵二进行归一化处理后,计算针对当前场次的预报数据的第i个评价指标的熵值EQi,然后根据公式:
其中,i=1,2,...,n,n为选择的精度评价指标个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710059047.9A CN106875047B (zh) | 2017-01-23 | 2017-01-23 | 水库流域径流预报方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710059047.9A CN106875047B (zh) | 2017-01-23 | 2017-01-23 | 水库流域径流预报方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106875047A CN106875047A (zh) | 2017-06-20 |
CN106875047B true CN106875047B (zh) | 2021-03-16 |
Family
ID=59158896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710059047.9A Active CN106875047B (zh) | 2017-01-23 | 2017-01-23 | 水库流域径流预报方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875047B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107436346A (zh) * | 2017-08-02 | 2017-12-05 | 江苏省环境监测中心 | 一种河流水生态健康评估技术方法 |
CN113379109B (zh) * | 2017-11-21 | 2022-04-19 | 中国水利水电科学研究院 | 一种基于预测模型自适应的径流预报方法 |
CN108470221A (zh) * | 2018-02-07 | 2018-08-31 | 中国水利水电科学研究院 | 流域径流的预测方法及装置 |
CN110619432B (zh) * | 2019-09-17 | 2022-08-30 | 长江水利委员会水文局 | 一种基于深度学习的特征提取水文预报的方法 |
CN111104981B (zh) * | 2019-12-19 | 2022-09-16 | 华中科技大学 | 一种基于机器学习的水文预报精度评价方法及系统 |
CN111487488A (zh) * | 2020-03-24 | 2020-08-04 | 国网冀北电力有限公司电力科学研究院 | 一种基于灰色关联分析的智能台区户变识别方法 |
CN114998213B (zh) * | 2022-04-29 | 2024-04-26 | 武汉大学 | 一种基于径流权值模型的湖库群滞洪量计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794495A (zh) * | 2010-02-05 | 2010-08-04 | 国网电力科学研究院 | 洪水预报系统中实时校正模型的优选方法 |
CN104182807A (zh) * | 2014-08-21 | 2014-12-03 | 大连理工大学 | 一种计及径流预报不确定性的水库调度风险评估方法 |
CN105740969A (zh) * | 2016-01-21 | 2016-07-06 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于数据驱动的小流域洪水实时预报方法 |
CN106202935A (zh) * | 2016-07-13 | 2016-12-07 | 国网湖南省电力公司 | 一种流域径流预报的校正方法及其系统 |
CN106326473A (zh) * | 2016-08-31 | 2017-01-11 | 国信优易数据有限公司 | 基于熵权算法与层次分析法的数据挖掘方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008028122A2 (en) * | 2006-09-01 | 2008-03-06 | Chevron U.S.A. Inc. | History matching and forecasting in the production of hydrocarbons |
-
2017
- 2017-01-23 CN CN201710059047.9A patent/CN106875047B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794495A (zh) * | 2010-02-05 | 2010-08-04 | 国网电力科学研究院 | 洪水预报系统中实时校正模型的优选方法 |
CN104182807A (zh) * | 2014-08-21 | 2014-12-03 | 大连理工大学 | 一种计及径流预报不确定性的水库调度风险评估方法 |
CN105740969A (zh) * | 2016-01-21 | 2016-07-06 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于数据驱动的小流域洪水实时预报方法 |
CN106202935A (zh) * | 2016-07-13 | 2016-12-07 | 国网湖南省电力公司 | 一种流域径流预报的校正方法及其系统 |
CN106326473A (zh) * | 2016-08-31 | 2017-01-11 | 国信优易数据有限公司 | 基于熵权算法与层次分析法的数据挖掘方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106875047A (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875047B (zh) | 水库流域径流预报方法及系统 | |
Truong et al. | An accurate signal estimator using a novel smart adaptive grey model SAGM (1, 1) | |
KR102468316B1 (ko) | 과거 데이터에 기초한 시계열 예측 방법 및 장치 | |
CN103324798B (zh) | 基于区间响应面模型的随机模型修正方法 | |
JP2007233639A (ja) | 風力発電出力予測方法、風力発電出力予測装置およびプログラム | |
CN104463381A (zh) | 基于kpca与wlssvm的建筑能耗预测方法 | |
CN109145446B (zh) | 一种基于模态应变能和卷积神经网络的结构损伤识别方法 | |
CN107527117A (zh) | 基于d‑s证据理论的水库适应性调度方法 | |
CN102682348A (zh) | 复杂装备部件维修级别优化系统及其建立方法 | |
CN103853939A (zh) | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 | |
CN110969312A (zh) | 基于变分模态分解和极端学习机的短期径流预测耦合方法 | |
CN104239715A (zh) | 一种大坝坝体沉降预测方法 | |
CN117909888B (zh) | 智慧人工智能气候预测方法 | |
CN108830405B (zh) | 基于多指标动态匹配的实时电力负荷预测系统及其方法 | |
CN104460594A (zh) | 一种基于两层嵌套结构的调度优化方法 | |
CN111259340B (zh) | 一种基于logistic回归的饱和负荷预测方法 | |
CN117200223A (zh) | 日前电力负荷预测方法和装置 | |
CN106326191B (zh) | 一种基于天气预报描述性数据量化日照时数的方法 | |
CN110110448B (zh) | 一种基于wrf的天气模拟方法、系统和可读存储介质 | |
CN105677936B (zh) | 机电复合传动系统需求转矩的自适应递归多步预测方法 | |
CN115759469A (zh) | 一种针对峰值负荷及其出现时间的预测方法及其装置 | |
CN110059871B (zh) | 光伏发电功率预测方法 | |
CN109697630B (zh) | 一种基于稀疏回归的商家客流量多因素分析与预测方法 | |
KR20180060286A (ko) | 단시간 강수 예측의 정확도 향상을 위한 보정 방법 및 시스템 | |
CN110175740B (zh) | 一种基于Kriging代理模型的场景分析实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |