【技术实现步骤摘要】
本专利技术涉及水利工程信息化领域，特别是涉及一种引水渠道冰情智能预测方法。
技术介绍
1、引水渠道冰情预测模型是模拟预测输水调水工程冰凌变化情况的重要技术手段之一，也是减少冬季复杂环境下水利工程冰凌灾害的重要非工程措施之一。在冬季寒冷的气候条件下，冰凌可能导致引水渠道堵塞，影响水流畅通，甚至对引水渠道的结构造成损坏。冰情预测模型在冰凌灾害的科学防控、保障冰期输水安全等方面都有广泛的应用，对保障人民的生命财产安全和冰期输水安全具有一定的现实意义。准确高效的冰情预测模型可以提前预测冰凌的形成和发展，帮助制定科学的防控措施，确保输水调水工程安全顺利地运行。
2、目前，在进行冰情预测研究时，常常通过原型观测、试验研究及数值模拟等方法进行分析和研究，即通过假定参数进行模拟计算，然而，目前学者主要采用数理统计和数值模拟等方法，由于建模过程较为复杂，且受到观测资料的限制，缺乏较为系统化和智能化的研究，模型的精度和效率有待进一步提高。此外，模型参数的选择和调整通常需要大量的试错过程，复杂性和计算量使得预测结果难以全局最优。在大范围应用时，工作量和时间成本巨大，且模型在不同条件下的适用性和准确性难以保证。
3、随着人工智能技术的不断发展，许多先进的智能算法应用于求解冰情变化预测问题，并取得了较好的效果。gra方法、xgboost方法、qpso算法和lightgbm模型是人工智能技术的重要分支。gra是一种多因素统计分析的方法，对样本的需求量较小，可以在一定程度上排除系统分析时的主观性，在计算过程中占用内存空间不大；xgbo
技术实现思路
1、针对现有冰情预测模型存在的预测精度不高、预见期短、模型调试时间较长的技术问题，本专利技术提出了一种基于人工智能的引水渠道冰情智能预测方法，旨在通过gra方法和xgboost方法进行冰情关键影响因子识别及量化，并通过qpso算法与lightgbm模型结合实现冰情预测模型参数自适应智能率定，实现引水渠道冰情智能预测。
2、为了达到上述专利技术目的，本专利技术提出以下技术方案：
3、本专利技术提出一种基于人工智能的引水渠道冰情智能预测方法，包括以下步骤：
4、进行冰情关键影响因子识别及量化：利用灰色关联度分析gra算法得到水温冰情与气象环境因子之间关联系数值大的关联序列识别为关键影响因子；将相关性高的关联序列作为特征变量，基于决策树的集成学习xgboost算法选择重要程度高的量化特征变量作为预测模型的输入因子变量；
5、进行输入因子及冰情分类进行预处理：对所述输入因子进行归一化处理，将归一化输入因子及初始冰情状态输入lightgbm模型；
6、进行冰情预测模型初始化：利用qpso算法迭代地获取对冰情预测最优的输入因子组合，对所述冰情预测模型的输入因子各自的历史多个关键气象环境因子的具体配置参数的不同组合进行更新，在迭代结束后，具有最佳适应度值的粒子为最优解，该粒子所对应的输入因子参数即为最佳超参数；
7、将最佳超参数应用于lightgbm模型，对输入因子节点寻找最佳分割节点，结合最佳分割节点实现输入因子优化决策，将优化后的输入因子决策结果输入冰情预测模型，进行冰情分类预测，输出预测的冰情状态包括无冰状态、岸冰状态，流冰状态和冰盖状态。
8、与现有技术相比，本专利技术能够达成以下有益技术效果：
9、1、结合了gra、xgboost、qpso和lightgbm(gra-xgboost-qpso-lightgbm)各方法的优势实现的预测方法，能够准确识别了影响冰情的影响因子，通过简化的模型参数的率定过程实现了预测模型参数的优化，减小了因模型超参数设置产生的误差，缩短模型调试时间，并且提高冰情预测的精度和效率，以更好地保障引水渠道冬季运行安全；
10、2、在实际应用中具有重要的现实意义和广泛的应用前景，可为引水渠道冰期预测提供有效的技术支持。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，所述水温冰情与气象环境因子之间关联系数的计算过程如下：
3.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，适应度函数如下式所示：
4.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，LightGBM模型的损失函数如下所示：
5.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，预测结果为从一天至七天不同预见期的的冰情多分类预测值。
6.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，根据直方图中的离散值遍历找到最佳分割点。
7.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，根据GOSS计算特征j的方差增益Vj(d)找到最佳分割节点。
【技术特征摘要】
1.一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，所述水温冰情与气象环境因子之间关联系数的计算过程如下：
3.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，适应度函数如下式所示：
4.根据权利要求1所述的一种基于人工智能的引水渠道冰情智能预测方法，其特征在于，lightgbm模型的...
【专利技术属性】
技术研发人员：田福昌，苑希民，王秀杰，乔鸿飞，牛梦雅，岳志春，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。