买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河海大学

摘要：本发明公开了一种基于改进联邦学习的径流预测方法及预测系统，通过联邦学习的方法将包含径流和气象数据的多个流域一起联合训练，从而可以捕获到多个流域的水文信息特征，并通过改进传统联邦学习的学习过程，一定程度上解决了水文信息孤岛问题，提高了预测精度，并且为少资料或者无资料地区实现水文水资源信息分析提供了参考。

主权项：1.一种基于改进联邦学习的径流预测方法，其特征在于：包括以下步骤：步骤1：参数服务器将模型初始参数学习器的第t轮值下发给随机选取的参与本轮联邦训练的K个本地计算节点；t∈0,S，其中，S为指定通信轮次；K＝rn，r∈0,1，n为参与的流域总数，n个流域对应n个本地计算节点；步骤2：在每个接收到模型初始参数学习器的第t轮值的本地计算节点上并行执行以下训练步骤：将模型初始参数学习器的第t轮值作为本地计算节点的本地径流预测模型的初始模型参数，记为wi，表示第i个本地计算节点的本地径流预测模型的第t轮的初始模型参数；基于初始模型参数wi和从支撑集中随机抽取的NS个样本组成的支撑子集对本地计算节点的本地径流预测模型进行训练优化，得到优化后的初始模型参数基于优化后的初始模型参数和从查询集中随机抽取的NQ个样本组成的查询子集计算测试损失，并根据测试损失计算对应的梯度gi；步骤3：参数服务器聚合所有参与本轮联邦训练的K个本地计算节点的梯度，得到梯度集合{g1；g2；...；gK}；基于梯度集合{g1；g2；...；gK}对模型初始参数学习器的第t轮值采用梯度下降算法进行更新，得到第t+1轮值步骤4：判断模型是否收敛或者迭代次数是否达到指定通信轮次，若满足某一条件，则执行步骤5，否则继续执行步骤1至步骤4；步骤5：将模型初始参数学习器的第t轮值作为值下发给所有n个本地计算节点；步骤6：对于每个本地计算节点，基于值再进一步执行微调，包括以下步骤：将值作为本地径流预测模型的初始模型参数，并采用本地计算节点上的支撑集对该本地径流预测模型进行训练，并利用查询集进行测试，最终得到适应本地数据分布的模型参数；基于该模型参数，对本地径流进行预测，得到预测结果；其中，步骤2中，所述的基于初始模型参数wi和从支撑集中抽样得到的支撑子集对本地计算节点的本地径流预测模型fwi进行训练优化，得到优化后的初始模型参数具体计算公式为： 其中，表示所抽样支撑子集的样本数量，Liwi为损失值，x和y分别表示支撑集中单个样本的特征和对应标签，lifwi；x,y表示模型输出结果fwi；x与真实值y之间的损失，α表示本地径流预测模型设置的学习率，表示Liwi对于wi的梯度；步骤2中，所述的基于优化后的初始模型参数和从抽样得到的查询子集计算测试损失，并根据测试损失计算对应的梯度gi，具体过程为：得到更新的后，基于训练集中的查询子集执行前向传播计算过程，得到测试损失并根据测试损失计算对应的梯度gi： 其中，表示所抽样的查询子集样本数量，和分别表示查询集中单个样本的特征和对应标签，表示模型输出结果与真实值之间的损失，表示梯度计算，gi表示对于wi的梯度；步骤3中，所述的基于梯度集合{g1；g2；...；gK}对模型初始参数学习器的第t轮值采用梯度下降算法进行更新，得到第t+1轮值具体计算公式为： 其中，β表示模型初始参数学习器设置的学习率，K表示参与本轮联邦训练的流域个数。

全文数据：

权利要求：

百度查询： 河海大学 一种基于改进联邦学习的径流预测方法及预测系统