1.一种基于多特征数据、多模型的水流速度预测方法,其特征在于:包括如下步骤:步骤1,采集河床床面粗糙程度、水面坡降大小、断面形状规则程度、水流含沙量大小、测点离开床面的距离作为第一特征;
步骤2,采集河道级别的变化处作为第二特征;
步骤3,计算不同的两条河道轨迹的对应特征点的欧几里得距离L:式中,pi和qi分别表示不同的两条河道轨迹的第i个对应特征点,n为总的特征点数量,i=1,2,…,n;
若所述欧几里得距离小于设定阈值,则将所述欧几里得距离作为第三特征;
步骤4,为第一特征、第二特征和第三特征分配相应的权重,且第二特征的权重大于第一特征和第三特征的权重;
步骤5,将第一特征、第二特征、第三特征及其相应的权重输入流速预测模型,输出水流速度。
2.根据权利要求1所述的一种基于多特征数据、多模型的水流速度预测方法,其特征在于,还包括:所述流速预测模型包括人工神经网络模型、深度学习模型、朴素贝叶斯模型。
3.根据权利要求2所述的一种基于多特征数据、多模型的水流速度预测方法,其特征在于,还包括:将第一特征输入人工神经网络模型;
将第二特征输入深度学习模型;
将第三特征输入朴素贝叶斯模型;
为计算出的三种结果分配权重值,得到最终的水流速度。
4.一种基于多特征数据、多模型的水流速度预测系统,其特征在于,所述系统包括:第一特征确定单元,用于采集河床床面粗糙程度、水面坡降大小、断面形状规则程度、水流含沙量大小、测点离开床面的距离作为第一特征;
第二特征确定单元,用于采集河道级别的变化处作为第二特征;
第三特征确定单元,用于计算不同的两条河道轨迹的对应特征点的欧几里得距离L:式中,pi和qi分别表示不同的两条河道轨迹的第i个对应特征点,n为总的特征点数量,i=1,2,…,n;
若所述欧几里得距离小于设定阈值,则将所述欧几里得距离作为第三特征;
权重分配单元,用于为第一特征、第二特征和第三特征分配相应的权重,且第二特征的权重大于第一特征和第三特征的权重;
输出单元,用于将第一特征、第二特征、第三特征及其相应的权重输入流速预测模型,输出水流速度。
5.根据权利要求4所述的一种基于多特征数据、多模型的水流速度预测系统,其特征在于,还包括:所述流速预测模型包括人工神经网络模型、深度学习模型、朴素贝叶斯模型。
6.根据权利要求4所述的一种基于多特征数据、多模型的水流速度预测系统,其特征在于,还包括:第一输入单元,用于将第一特征输入人工神经网络模型;
第二输入单元,用于将第二特征输入深度学习模型;
第三输入单元,用于将第三特征输入朴素贝叶斯模型;
最终预测单元,用于为计算出的三种结果分配权重值,得到最终的水流速度。
7.一种电子设备,其特征在于,所述电子设备包括:一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一所述的方法。