[發明專利]一種基于神經網絡的水流量預測模型

在審

• 申請號: 202011375737.3
• 申請日: 2020-11-30
• 公開（公告）號: CN112561132A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 王琦
• 申請（專利權）人: 西安科銳盛創新科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 王海棟

1.一種基于神經網絡的水流量預測模型，其特征在于，包括：

順次連接的分支網絡組和全連接網絡；所述分支網絡組包括并聯的第一分支網絡和第二分支網絡；所述第一分支網絡基于循環神經網絡構建，所述第二分支網絡基于圖卷積神經網絡和循環神經網絡構建；所述全連接網絡基于全連接層構建；

所述第一分支網絡，用于對第一數據進行時序特征提取；所述第一數據基于預定流域的N個水文站點中位于所述預定流域的出口斷面處的目標水文站點的歷史K年各小時流量數據構建；

所述第二分支網絡，用于對第二數據中的降雨數據進行圖數據特征提取和時序特征提取；所述第二數據基于所述N個水文站點的歷史K年各小時降雨數據、所述N個水文站點的位置連接關系、預先獲取的未來P小時各水文站點的先驗降雨數據構建；

所述全連接網絡，用于對兩個分支網絡輸出的特征進行合并分類預測，得到所述目標水文站點未來P小時的流量預測值；其中N、K和P為大于1的自然數。

2.根據權利要求1所述的模型，其特征在于，所述第一分支網絡包括GRU模塊；所述第二分支網絡包括順次連接的GCN模塊、維度變化模塊、GRU模塊和注意力層；所述全連接網絡包括concat模塊和多個全連接層。

3.根據權利要求2所述的模型，其特征在于，所述第一數據和所述第二數據的構建過程包括：

獲取所述預定流域的原始降雨數據、原始流量數據，以及表征所述預定流域的N個水文站點位置連接關系的鄰接矩陣；其中，所述原始降雨數據包括所述預定流域的N個水文站點的歷史K年各小時降雨數據，所述原始流量數據包括所述N個水文站點中位于所述預定流域的出口斷面處的目標水文站點的歷史K年各小時流量數據；

將所述原始降雨數據、所述原始流量數據和預先獲取的未來P小時各水文站點的先驗降雨數據進行預處理，分別得到處理后降雨數據、處理后流量數據和處理后先驗降雨數據；

利用所述鄰接矩陣得到歸一化拉普拉斯矩陣；

基于所述處理后流量數據構建第一數據，并基于所述處理后降雨數據、所述處理后先驗降雨數據和所述歸一化拉普拉斯矩陣，構建第二數據。

4.根據權利要求3所述的模型，其特征在于，所述將所述原始降雨數據、所述原始流量數據和預先獲取的未來P小時各水文站點的先驗降雨數據進行預處理，分別得到處理后降雨數據、處理后流量數據和處理后先驗降雨數據，包括：

將所述原始降雨數據進行數據剔除處理、數據補全處理和歸一化處理，得到處理后降雨數據；

將所述原始流量數據進行歸一化處理，得到處理后流量數據；

將所述未來P小時各水文站點的先驗降雨數據進行歸一化處理，得到處理后先驗降雨數據。

5.根據權利要求4所述的模型，其特征在于，所述將所述原始降雨數據進行數據剔除處理、數據補全處理和歸一化處理，得到處理后降雨數據，包括：

將所述原始降雨數據中，數據數目低于預設數量的水文站點所對應的數據剔除，得到剩余降雨數據；

對所述剩余降雨數據中缺失的降雨數據，利用反距離加權法進行數據補全，得到補全降雨數據；

將所述補全降雨數據進行歸一化處理，得到處理后降雨數據。

6.根據權利要求3所述的模型，其特征在于，所述利用所述鄰接矩陣得到歸一化拉普拉斯矩陣，包括：

利用所述鄰接矩陣得到度矩陣；

利用所述鄰接矩陣和所述度矩陣得到歸一化拉普拉斯矩陣。

7.根據權利要求4所述的模型，其特征在于，所述基于所述處理后流量數據構建第一數據，并基于所述處理后降雨數據、所述處理后先驗降雨數據和所述歸一化拉普拉斯矩陣，構建第二數據，包括：

從所述處理后流量數據中選取T小時對應的數據構建第一數據；

從所述處理后降雨數據中選取T小時對應的數據與所述處理后先驗降雨數據構建輸入向量，由所述輸入向量與所述歸一化拉普拉斯矩陣以及預設的參數矩陣，構建第二數據；

其中，T為大于1的自然數，且T小于等于所述K年對應的小時數。