[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

本發明公開了一種基于神經網絡的水流量預測模型，包括分支網絡組和全連接網絡；分支網絡組包括基于循環神經網絡構建的第一分支網絡和基于圖卷積神經網絡和循環神經網絡構建的第二分支網絡；第一分支網絡用于對第一數據進行時序特征提取；第一數據基于N個水文站點中位于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；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；第二數據基于N個水文站點的歷史K年各小時降雨數據、N個水文站點的位置連接關系、未來P小時各水文站點的先驗降雨數據構建；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目標水文站點未來P小時的流量預測值。

技術領域

本發明屬于洪水預測領域，具體涉及一種基于神經網絡的水流量預測模型。

背景技術

洪水是常見的自然災害之一，每年有上億人受洪水影響，流離失所，而洪水所造成的財力物力損失也非常巨大。有效地預測洪水流量并及時發出預警對于防洪減災具有重大意義。

當前的基于神經網絡的水流量預測模型主要分為傳統物理模型和智能洪水預測模型。傳統物理模型例如新安江模型，其是在充分挖掘當地的地形地貌、蒸發量、植被覆蓋率等物理特征的前提下，進行物理過程的參數計算，最終制定出的一套具有區域針對性的預測模型。而智能洪水預測模型是以海量的歷史數據作為先驗知識，利用機器學習等智能方法得到的從輸入特征到輸出特征的函數映射或者聯合分布。

但現有的基于神經網絡的水流量預測模型多屬于單點預測，即預測未來一個時間點的流量情況，而在實際情況中，預測得到的單個時間點的流量數據缺乏實際應用價值。并且，現有的基于神經網絡的水流量預測模型在利用降雨量數據時僅僅將其作為時間序列進行分析，并未考慮降雨量的空間分布情況，因此無法完全挖掘實際降雨數據所描述的信息，預測的準確性不高。

發明內容

本發明實施例的目的在于提供一種基于神經網絡的水流量預測模型，以實現未來一個時間段的洪水流量預測，并充分挖掘實際降雨數據所描述的信息，得到與實際降雨情況相符的準確性高的預測結果的目的。具體技術方案如下：

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。

可選的，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。

可選的，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；