[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

本發明公開了一種基于機器學習的水流量預測方法、裝置和電子設備，包括：獲取預定流域的原始降雨數據和原始流量數據；進行預處理分別得到處理后降雨數據和處理后流量數據；基于處理后降雨數據、處理后流量數據、未來P小時各水文站點的已知降雨數據構建輸入數據；將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，得到目標水文站點未來一小時的流量預測值，并利用得到的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，得到目標水文站點未來P小時的流量預測值；本發明能準確預測未來一個時間段的洪水流量情況。

技術領域

本發明屬于洪水預測領域，具體涉及一種基于機器學習的水流量預測方法、裝置和電子設備。

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。

發明內容

本發明實施例的目的在于提供一種基于機器學習的水流量預測方法、裝置和電子設備，以實現對未來一個時間段進行洪水流量預測的目的。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機器學習的水流量預測方法，所述方法包括：

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。

可選的，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。

可選的，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。

可選的，所述歸一化處理包括[0,1]歸一化處理。