公开(公告)号：CN118114820A

公开(公告)日：2024-05-31

申请号：CN202410218016.3

申请日：2024-02-27

Applicant: 华北水利水电大学

Inventor： 田青青 ,  田雨 ,  骆威 ,  程运平 ,  邢净净 ,  干里里 ,  刘梅

IPC: G06Q10/04 ,  G06Q10/0637 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于DeepTCN‑GRU深度学习模型的水质预测方法，涉及水质预测领域，包括首先收集、预处理、规范化水质数据，经深度时间卷积层提取时空特征，然后传递至门控制单元以处理特征并捕捉长期依赖关系；在训练中通过反向传播不断调整参数以适应水质数据模式，完成训练后通过前向传播实现对新水质数据的精准预测。本发明基于DeepTCN‑GRU深度学习模型的水质预测方法具有高效的时间序列建模能力、多层次特征学习能力、针对不同时间尺度的建模能力、强大的泛化能力和自适应学习能力等优势，能够在水质预测领域取得意想不到的良好效果。

公开(公告)号：CN118520985A

公开(公告)日：2024-08-20

申请号：CN202410279010.7

申请日：2024-03-11

Applicant: 华北水利水电大学

Inventor： 柴启辉 ,  黄莎莎 ,  张书婷 ,  郭磊 ,  杨世锋 ,  韩立炜 ,  尹岩 ,  程运平 ,  邢净净

IPC: G06Q10/04 ,  G06F18/214 ,  G06F18/24 ,  G06F17/18 ,  G06N3/006

Abstract: 本发明公开了一种基于海马优化算法与XGBoost模型结合的径流预测方法，涉及水文时间序列径流预测领域，包括获取径流数据并进行预处理；将数据集划分为训练集和测试集；初始化海马种群和SHO算法参数；根据适应度函数计算每个个体的适应度值；确定最优个体位置；更新海马位置；边界控制；输出最优值和最优解；使用最优解作为XGBoost模型参数，并进行径流预测，本发明可以提高模型的稳定性和准确性，将海马优化算法与XGBoost模型结合起来，可以充分利用海马优化算法优化搜索策略和XGBoost模型的高性能预测能力，有效地提高模型的准确性、降低模型的运行时间和改善模型的稳定性。