一种基于ARIMA-GC-SVR的高拱坝谷幅变形预测分析方法

• 摘要：

  本发明公开了一种基于ARIMA‑GC‑SVR的高拱坝谷幅变形预测分析方法,首先获取坝区数据,对数据进行预处理;选用ARIMA模型、LASSO模型并依据实际工程计算需求所需的粒计算(GC)窗口长度,构建满足计算需求的影响因子矩阵;根据影响因子矩阵,结合谷幅变形值矩阵,选用粒计算构建粒化矩阵;对粒化矩阵进行预测长度为单位窗口的最小二乘支持向量机回归模型(SVR)预测分析;最后将粒化数据尺度还原,若预测终点日期小于目标预测时间,则更新影响因子矩阵及粒化矩阵,重新进行预测,直至满足目标预测时间要求.本发明效率高,成本低,同时扩大了可预测时间范围,提高了长时间预测精度,为谷幅变形长期预报提供参考.

• 专利类型：

  发明专利

• 申请/专利号：

  CN202010610261.0

• 申请日期：

  2020.06.30

• 公开/公告号：

  CN111914395A

• 公开/公告日：

  2020-11-10

• 发明人：

  徐卫亚 史宏娟 王环玲 孟庆祥 闫龙 程志超

• 申请人：

  河海大学

• 主分类号：

  G06F30/20(2020.01),G,G06,G06F,G06F30

• 分类号：

  G06F30/20(2020.01),G,G06,G06F,G06F30,G06F30/20

• 主权项：

  1.一种基于ARIMA-GC-SVR的高拱坝谷幅变形预测分析方法,其特征在于,包括以下步骤: (1)对坝区相关监测数据进行预处理,建立影响因素数据分析体系;所述数据分析体系包括三层数据矩阵,分别为一级数据矩阵、二级数据矩阵和三级数据矩阵; (2)对所述坝区相关监测数据进行预测处理,分析比较监测数据特点,选用ARIMA法对一级数据矩阵进行目标时段内预测,扩充一级数据矩阵,更新二级数据矩阵、三级数据矩阵; (3)根据工程计算需求,确定粒计算窗口长度,计算窗口数量,基于三级数据矩阵,构建单次计算影响因子矩阵; (4)根据所述单次计算影响因子矩阵,结合谷幅变形值矩阵,选用粒计算构建粒化矩阵; (5)根据所述粒化矩阵,构建SVR模型,对粒化矩阵进行预测长度为单位窗口的区间预测分析; (6)将粒化数据尺度还原,确定预测终点日期;若预测终点日期小于目标预测日期,更新步骤(3)的单次计算影响因子矩阵及步骤(4)的粒化矩阵,重新进行区间预测,直到预测终点日期大于目标预测日期; (7)整理计算结果,得出谷幅变形值预测区间. 2.根据权利要求1所述的高拱坝谷幅变形预测分析方法,其特征在于:步骤(1)中,所述坝区相关监测数据包括库水位高程、库水位升降速率、各测线谷幅变形累计值、坝区单日气温均值及坝区单日降雨量. 3.根据权利要求1或2所述的高拱坝谷幅变形预测分析方法,其特征在于:步骤(1)中,以实际监测影响因素值矩阵为一级数据矩阵,以体现影响因素潜在表现形式的高维影响因子矩阵为二级数据矩阵,以通过计算筛选出的相对重要影响因子矩阵为三级数据矩阵. 4.根据权利要求1或2所述的高拱坝谷幅变形预测分析方法,其特征在于:步骤(1)中,所述预处理包括去除异常值、删除缺失值. 5.根据权利要求3所述的高拱坝谷幅变形预测分析方法,其特征在于:所述三级数据矩阵的确定方法为基于LASSO建立高维因子回归模型,以二级矩阵包含的基础影响因子为自变量,变形值为因变量,通过稀疏矩阵筛选出相对重要影响因子作为三级矩阵基础元素. 6.根据权利要求1所述的高拱坝谷幅变形预测分析方法,其特征在于:步骤(3)中,所述粒计算窗口长度在计算过程中为定值,计算窗口数量视循环情况依次加一,基于维度为(l*n)的三级数据矩阵计算得到维度为(i*n)的单次计算影响因子矩阵,所述单次计算影响因子矩阵的长度视循环情况依次增加(w*n),其中,i为窗口数量,w为粒计算窗口长度,n为相对重要影响因子数量,l为预测时间长度. 7.根据权利要求1所述的高拱坝谷幅变形预测分析方法,其特征在于,步骤(4)中,运用GC选取合适的核函数,基于所述单次计算影响因子矩阵构建粒化矩阵Xij,基于所述谷幅变形值矩阵构建粒化矩阵Yi,合并两次计算结果得到粒化矩阵(Xij,Yi),其中,Yi＝[LOi,Ri,Ui]. 8.根据权利要求7所述的高拱坝谷幅变形预测分析方法,其特征在于,步骤(5)具体包括如下内容: 将粒化矩阵Xij作为自变量矩阵,Yi作为因变量矩阵,构建SVR模型; 分三种情况[L,M,R]分别训练模型,选取网格搜索法优化SVR模型参数,利用交叉验证法选取最优模型; 计算三种情况[L,M,R]下的预测值,整理预测结果,得出下一个窗口的谷幅变形值预测区间. 9.根据权利要求8所述的高拱坝谷幅变形预测分析方法,其特征在于,步骤(6)具体包括如下内容: 根据所述窗口长度,将粒化数据尺度还原,确定已预测值终点日期; 判断终点日期是否大于目标预测日期; 若终点日期小于目标预测日期,则返回步骤(3),令窗口数量i＝i+1,同时将预测结果yi＝[loi,ri,ui]赋值给步骤(4)中的矩阵Yi,重新计算下一个窗口的谷幅变形值预测区间;若终点日期大于目标预测日期,则跳出循环. 10.根据权利要求9所述的高拱坝谷幅变形预测分析方法,其特征在于,步骤(7)具体包括如下内容: 整理每次循环的计算结果,即整理结果矩阵Yi＝[LOi,Ri,Ui]的区间向量,各时间点对应的区间变形值,第i个窗口对应的时间点为ti＝w*i得出谷幅变形值预测区间矩阵Y＝[LO,R,U].