[發明專利]一種基于神經網絡的水流量預測系統和方法

在審

• 申請號: 202011375745.8
• 申請日: 2020-11-30
• 公開（公告）號: CN112561133A
• 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系統，站點端向預測端發送單端原始降雨數據和原始流量數據；預測端獲取單端原始降雨數據、原始流量數據、先驗降雨數據和鄰接矩陣，得到原始降雨數據；將原始降雨數據、原始流量數據和先驗降雨數據進行預處理；利用鄰接矩陣得到歸一化拉普拉斯矩陣；基于處理后流量數據構建第一數據，基于處理后降雨數據、處理后先驗降雨數據和歸一化拉普拉斯矩陣構建第二數據；將第一數據輸入洪水流量預測模型的第一分支網絡進行時序特征提?。焕玫诙祿偷诙种ЬW絡進行針對降雨數據的圖數據特征提取和時序特征提??；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系統和方法。

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。

當前的洪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。

但現有的洪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，現有的洪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系統和方法，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：

第一方面，本發明實施例提供了一種基于神經網絡的水流量預測系統，所述系統包括：

N個站點端和一個預測端，其中所述N個站點端是預定流域的N個水文站點對應的終端，所述N個水文站點中有一個目標水文站點位于所述預定流域的出口斷面處；

每個站點端，用于向所述預測端發送表征該水文站點歷史K年各小時降雨數據的單端原始降雨數據，且所述目標水文站點對應的站點端還向所述預測端發送表征該目標水文站點歷史K年各小時流量數據的原始流量數據；

預測端，用于獲取所述單端原始降雨數據、所述原始流量數據、未來P小時各水文站點的先驗降雨數據和表征所述N個水文站點位置連接關系的鄰接矩陣，并由獲取到的所有單端原始降雨數據得到原始降雨數據；將所述原始降雨數據、所述原始流量數據和所述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；將所述第一數據輸入預先訓練得到的洪水流量預測模型的第一分支網絡進行時序特征提??；利用所述第二數據和所述洪水流量預測模型的第二分支網絡進行針對降雨數據的圖數據特征提取和時序特征提??；并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，所述預測端將所述原始降雨數據、所述原始流量數據和所述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；