(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111645069.6 (22)申请日 2021.12.3 0 (71)申请人 河南大学 地址 475001 河南省开封市顺河区明伦街 85号 申请人 河南黄河 河务局信息中心 (72)发明人 赵雅靓　张春春　汪珂　左宪禹　 王琴　赵媛媛　卢红霞　张磊　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 代理人 张海青 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于Prophet模型的黄河流域险情等级 预测方法 (57)摘要 本发明涉及基于一种基于Prophet模型的黄 河流域险情等级预测方法， 属于险情预测技术领 域。 方法包括以下步骤： 获取设定历史时间段内 的黄河险情数据， 得到险情等级时间序列； 所述 黄河险情数据包括险情发生日期和发生的险情 等级； 根据所述险情等级时间序列对应的趋势 项、 周期项、 节假日项和误差项构建Prophet模 型； 向所述Proph et模型输入待预测未来时间段， 输出与所述待预测未来时间段对应的黄河险情 等级。 本发明采用Proph et时间序列预测模型， 通 过获取历史时间段内的 险情等级和时间的关系， 预测未来时间段内的险情等级； 本发 明实现了对 险情等级的提前预测， 能够实现及时预警， 有利 于提高抗险抢险的效率。 权利要求书1页 说明书4页 附图1页 CN 114266415 A 2022.04.01 CN 114266415 A 1.一种基于Prophet模型的黄河流 域险情等级预测方法， 其特 征在于， 包括以下步骤： 获取设定历史时间段内的黄河险情数据， 得到 险情等级时间序列； 所述黄河险情数据 包括险情发生日期和发生的险情等级； 根据所述险情等级时间序列对应的趋势项、 周期项、 节假日项和误差项构 建Prophet模 型； 向所述Prophet模型输入待预测未来时间段， 输出与所述待预测未来时间段对应的黄 河险情等级。 2.根据权利要求1所述的基于ProDhet模型的黄河流域险情等级预测方法， 其特征在 于， 所述险情等级为以下四种中的其中一种： 无险情、 一般险情、 较大险情、 重大险情。 3.根据权利要求1所述的基于Prophet模型的黄河流域险情等级预测方法， 其特征在 于， 所述设定历史时间段为90天， 所述待预测未来时间段为未来7天。 4.根据权利要求3所述的基于Prophet模型的黄河流域险情等级预测方法， 其特征在 于， Prophet模型的训练过程包括： 数据集划分： 将90天的黄河险情数据处理后以一定比例进行划分为训练集和测试集， 将数据样本集的后7天作为测试集， 数据样本的前83天作为训练集， 进行模型训练， 输出未 来7天内险情的预测值、 预测上限、 预测下限； 模型评估： 模型训练集的训练通过绝对平均误差 MAE进行评估。 5.根据权利要求4所述的基于ProDhet模型的黄河流域险情等级预测方法， 其特征在 于， 所述处理包括： 将获取 的黄河险情数据按照日期进行排序， 删除异常数据， 将险情等级 和对应险情发生日期形成一个险情等级时间序列； 险情等级时间序列的存储格式为： 日期、 险情等级。 6.根据权利要求1所述的基于Prophet模型的黄河流域险情等级预测方法， 其特征在 于， Prophet模型的表达式如下： y(t)＝g(t)+s(t)+h(t)+∈t 其中， y(t)为险情等级时间序列， g(t)为趋势项， s(t)为周期项， h(t)为节假日项， ∈t为 误差项。 7.根据权利要求6所述的基于Prophet模型的黄河流域险情等级预测方法， 其特征在 于， 设置趋势项函数为逻辑回归函数， 设置节假日为黄河汛期时间。权　利　要　求　书 1/1 页 2 CN 114266415 A 2一种基于Prophet模型的黄河流域险情等级预测方 法 技术领域 [0001]本发明涉及险情预测技术领域， 具体涉及一种基于Prophet模型的黄河流域险情 等级预测方法。 背景技术 [0002]河流的自然灾害大部分是由于强降雨、 台风、 地震等自然灾害所造成的。 每年汛 期， 河流的水位都高出警戒线， 从而引发特大洪水， 对人民的生命财产造成极大损失。 根据 每年的降雨量和险情， 可以发现雨水情和险情主要有2个特点： 临海区域降雨总体偏多、 时 空分布不均， 往往汛期(6 ‑9月)降雨频繁， 且大部分降雨都集中在流域上游； 洪水发生时间 早， 持续时间久 。 因此及早 安排部署， 能尽可能的减少流 域险情带来的灾害。 [0003]目前险情针对河流流域险情的预测技术主要有卫星遥感技术、 摄像头实时监测技 术。 但卫星通信技术使用成本高， 且在气候恶劣的情况下， 存在延迟大的问题， 不利于及时 抢险。 摄像头实时监测技术需要时刻 对其监测的图像进 行分析预测， 调用频率高， 资源耗费 大， 且在暴 雨气候下存在不稳定的情况， 不利于灾情判断。 [0004]如何实现对河流流域险情的及时预测， 是目前河流流域险情 预测领域需要解决的 问题。 发明内容 [0005]为了解决上述问题， 本发明提供了一种基于Prophet模型的黄河流域险情等级预 测方法的技 术方案， 包括以下步骤： [0006]获取设定历史时间段内的黄河险情数据， 得到险情等级时间序列； 所述黄河险情 数据包括险情发生日期和发生的险情等级； [0007]根据所述险情等级时间序列对应的趋势项、 周期项、 节假日项和误差项构建 Prophet模型； [0008]向所述Prophet模型输入待预测未来时间段， 输出与所述待预测 未来时间段对应 的黄河险情等级。 [0009]有益效果： 本 发明采用Prop het时间序列预测模型， 通过获取历史时间段内的险情 等级和时间的关系， 预测未来时间段内的险情等级； 本发明实现了对险情等级的提前预测， 能够实现及时预警， 有利于提高抗险抢险的效率。 [0010]进一步地， 所述险情等级为以下四种中的其中一种： 无险情、 一般险情、 较大险情、 重大险情。 [0011]进一步地， 所述设定历史时间段为90天， 所述待预测未来时间段为未来7天。 [0012]进一步地， Prophet模型的训练过程包括： [0013]数据集划分： 将90 天的黄河险情数据处理后以一定比例进行划分为训练集和测试 集， 将数据样本集的后7天作为测试集， 数据样 本的前83天作为训练集， 进 行模型训练， 输出 未来7天内险情的预测值、 预测上限、 预测下限；说　明　书 1/4 页 3 CN 114266415 A 3