[發明專利]一種基于機器學習的水流量預測方法、裝置和電子設備

在審

• 申請號: 202011375758.5
• 申請日: 2020-11-30
• 公開（公告）號: CN112561135A
• 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;G06N20/00
• 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

1.一種基于機器學習的水流量預測方法，其特征在于，包括：

獲取預定流域的原始降雨數據和原始流量數據；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和所述原始流量數據進行預處理，分別得到處理后降雨數據和處理后流量數據；

基于所述處理后降雨數據、所述處理后流量數據、預先獲取的未來P小時各水文站點的已知降雨數據，構建輸入數據；

將所述輸入數據輸入預先訓練得到的洪水流量預測模型進行循環迭代預測，每次迭代時對該次迭代的輸入數據提取時序特征并進行分類預測，得到所述目標水文站點未來一小時的流量預測值，并利用得到的所述未來一小時的流量預測值，重新構建針對未來下一小時的迭代的輸入數據，直至完成P次迭代，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所述的方法，其特征在于，所述將所述原始降雨數據和所述原始流量數據進行預處理，分別得到處理后降雨數據和處理后流量數據，包括：

將所述原始降雨數據進行數據剔除和數據補全處理，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；

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。

3.根據權利要求2所述的方法，其特征在于，所述將所述原始降雨數據進行數據剔除和數據補全處理，得到補全降雨數據，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。

4.根據權利要求2所述的方法，其特征在于，所述歸一化處理包括[0,1]歸一化處理。

5.根據權利要求2所述的方法，其特征在于，所述基于所述處理后降雨數據、所述處理后流量數據、預先獲取的未來P小時各水文站點的已知降雨數據，構建輸入數據，包括：

基于所述處理后降雨數據，確定T小時中每小時對應的所述N個水文站點的第一歸一化降雨總和數據；基于所述未來P小時各水文站點的已知降雨數據，確定未來P小時中每小時對應的所述N個水文站點的第二歸一化降雨總和數據，由所述第一歸一化降雨總和數據與所述第二歸一化降雨總和數據構成降雨數據分量；

從所述處理后流量數據中選取T小時對應的數據，與用0填充的未來P小時的所述目標水文站點的待預測流量數據構成流量數據分量；

由所述降雨數據分量和所述流量數據分量構成維度為[T+P，2]的輸入數據，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。

6.根據權利要求1或5所述的方法，其特征在于，所述將所述輸入數據輸入預先訓練得到的洪水流量預測模型進行循環迭代預測，每次迭代時對該次迭代的輸入數據提取時序特征并進行分類預測，得到所述目標水文站點未來一小時的流量預測值，并利用得到的所述未來一小時的流量預測值，重新構建針對未來下一小時的迭代的輸入數據，包括：

針對第i次迭代，在該次迭代的輸入數據中，對最新的T小時對應的降雨數據和流量數據利用所述洪水流量預測模型的三層一維卷積層提取時序特征，并利用所述洪水流量預測模型的三層全連接層進行分類預測，得到所述目標水文站點未來第i小時的流量預測值；

將所述未來第i小時的流量預測值存儲在結果列表中，并在i小于P時，替換該次迭代的輸入數據中，對應位置為0的流量數據，得到第i+1次迭代的輸入數據，其中i＝1,2,…,P。

7.根據權利要求6所述的方法，其特征在于，所述三層一維卷積層的卷積核數量分別為50、30、10；所述三層一維卷積層的卷積核大小均為5×2；所述三層全連接層的神經元數量分別為10、10、1。