龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：杭州电子科技大学
申请日：2022-09-29
公开（公告）日：2022-12-30
公开（公告）号：CN115545296A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q50/26;G06N3/04;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2023.01.20#实质审查的生效;2022.12.30#公开
摘要：本发明公开了一种基于LIP‑TCN‑LSTM的城市积涝水位短期预测方法及系统。本发明方法主要包含三个部分：积涝数据的获取与预处理，TCN‑LSTM神经网络模型的构建与训练，以及实时预测。基于MAE，RMSE和R2三个评价指标和两个数据集，将本发明TCN‑LSTM模型与其他七种模型TCN、LSTM、GRUCNN、BP、CNN+LSTM、RNN进行横向对比，然后使用TCN‑LSTM进行预测和可视化分析，证明本发明所提的方法在不同评价指标下均有着很好的表现和较高的精确度。
主权项：1.一种基于LIP-TCN-LSTM的城市积涝水位短期预测方法，其特征在于，包含以下步骤：S1、对包含水位和降雨量信息的城市积涝观测数据进行预处理，预处理过程中首先使用拉格朗日插值法LagrangeInterpolationPolynomial，LIP对观测数据中缺失的部分数据进行补全，然后从观测数据中筛选出降雨或积涝时段的数据构建训练样本，然后对所有训练样本进行归一化处理；S2、构建由TCN模型、LSTM模型和全连接层级联而成的TCN-LSTM神经网络模型，其中模型输入为当前时刻以及历史时段对应的水位和降雨量时序数据，先由TCN网络提取模型输入数据中的有效特征和隐藏信息，再由LSTM网络捕捉到水位和降雨量时序数据的长期依赖关系，最后通过全连接层对数据进行降维并输出预测的未来时刻城市积涝水位深度；通过最小化损失函数对TCN-LSTM神经网络模型进行训练，得到城市积涝水位短期预测模型；S3、将待预测位置当前时刻以及历史时段对应的水位和降雨量时序数据作为所述城市积涝水位短期预测模型的输入，由城市积涝水位短期预测模型预测得到未来时刻的城市积涝水位深度。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 基于LIP-TCN-LSTM的城市积涝水位短期预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号