公开(公告)号：CN117892162B

公开(公告)日：2024-11-08

申请号：CN202410076588.2

申请日：2024-01-18

Applicant: 水利部交通运输部国家能源局南京水利科学研究院

Inventor： 黄昌硕 ,  颜冰 ,  徐小婷 ,  侯方玲 ,  莫李娟 ,  杨军飞 ,  丛培月

IPC: G06F18/23213 ,  G06F18/214 ,  G06F17/16 ,  G06N20/00

Abstract: 本发明公开了一种基于非负矩阵分解和机器学习的流域径流预报方法，包括：采集流域历史水文数据，并计算所述历史水文数据之间的相关性，通过计算结果筛选输入数据集；对输入数据集进行非负矩阵分解，提取历史水文数据的特征因子集合，获得聚类矩阵；将聚类矩阵作为机器学习模型的输入数据，输出对应径流预测结果。本发明通过非负矩阵分解提取历史水文数据的特征因子并完成聚类，有效减少噪声数据，降低数据维度，增强了机器学习模型的预测能力和稳定性。

公开(公告)号：CN117892162A

公开(公告)日：2024-04-16

申请号：CN202410076588.2

申请日：2024-01-18

Applicant: 水利部交通运输部国家能源局南京水利科学研究院

Inventor： 黄昌硕 ,  颜冰 ,  徐小婷 ,  侯方玲 ,  莫李娟 ,  杨军飞 ,  丛培月

IPC: G06F18/23213 ,  G06F18/214 ,  G06F17/16 ,  G06N20/00

Abstract: 本发明公开了一种基于非负矩阵分解和机器学习的流域径流预报方法，包括：采集流域历史水文数据，并计算所述历史水文数据之间的相关性，通过计算结果筛选输入数据集；对输入数据集进行非负矩阵分解，提取历史水文数据的特征因子集合，获得聚类矩阵；将聚类矩阵作为机器学习模型的输入数据，输出对应径流预测结果。本发明通过非负矩阵分解提取历史水文数据的特征因子并完成聚类，有效减少噪声数据，降低数据维度，增强了机器学习模型的预测能力和稳定性。