[發(fā)明專利]基于深度學(xué)習(xí)的水流量預(yù)測模型

在審

• 申請?zhí)枺?/td>: 202011379622.1
• 申請日: 2020-11-30
• 公開（公告）號: CN112529270A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計）人: 王琦
• 申請（專利權(quán)）人: 西安科銳盛創(chuàng)新科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 西安嘉思特知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230
• 代理人: 王海棟

本發(fā)明公開了一種基于深度學(xué)習(xí)的水流量預(yù)測模型，包括：順次連接的分支網(wǎng)絡(luò)組和第三網(wǎng)絡(luò)；分支網(wǎng)絡(luò)組包括并聯(lián)的第一分支網(wǎng)絡(luò)和第二分支網(wǎng)絡(luò)；第一分支網(wǎng)絡(luò)基于卷積神經(jīng)網(wǎng)絡(luò)以及循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建；第二分支網(wǎng)絡(luò)基于循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建；第三網(wǎng)絡(luò)基于全連接層構(gòu)建；第一分支網(wǎng)絡(luò)，用于對網(wǎng)格化降雨數(shù)據(jù)提取空間分布特征，并進(jìn)行時序特征提取，得到第一輸出特征；第二分支網(wǎng)絡(luò)，用于對處理后流量數(shù)據(jù)進(jìn)行時序特征提取，得到第二輸出特征；第三網(wǎng)絡(luò)，用于對第一輸出特征以及第二輸出特征進(jìn)行合并并分類預(yù)測，得到目標(biāo)水文站點(diǎn)未來P小時的流量預(yù)測值。

技術(shù)領(lǐng)域

本發(fā)明屬于水流量預(yù)測領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的水流量預(yù)測模型。

背景技術(shù)

洪水是常見的自然災(zāi)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(yù)測洪水流量并及時發(fā)出預(yù)警對于防洪減災(zāi)具有重大意義。

當(dāng)前的基于深度學(xué)習(xí)的水流量預(yù)測模型主要分為傳統(tǒng)物理模型和智能洪水預(yù)測模型。傳統(tǒng)物理模型例如新安江模型，其是在充分挖掘當(dāng)?shù)氐牡匦蔚孛病⒄舭l(fā)量、植被覆蓋率等物理特征的前提下，進(jìn)行物理過程的參數(shù)計算，最終制定出的一套具有區(qū)域針對性的預(yù)測模型。而智能洪水預(yù)測模型是以海量的歷史數(shù)據(jù)作為先驗知識，利用機(jī)器學(xué)習(xí)等智能方法得到的從輸入特征到輸出特征的函數(shù)映射或者聯(lián)合分布。

但現(xiàn)有的基于深度學(xué)習(xí)的水流量預(yù)測模型多屬于單點(diǎn)預(yù)測，即只能預(yù)測未來一個時間點(diǎn)的流量情況，預(yù)測得到的單個時間點(diǎn)的流量數(shù)據(jù)缺乏實際應(yīng)用價值。并且，現(xiàn)有的基于深度學(xué)習(xí)的水流量預(yù)測模型在利用降雨數(shù)據(jù)時僅僅將其作為時間序列進(jìn)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?qū)嶋H降雨數(shù)據(jù)所描述的信息，預(yù)測的準(zhǔn)確性不高。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供了一種基于深度學(xué)習(xí)的水流量預(yù)測模型。本發(fā)明要解決的技術(shù)問題通過以下技術(shù)方案實現(xiàn)：

第一方面，本發(fā)明實施例提供的一種基于深度學(xué)習(xí)的水流量預(yù)測模型，包括：

順次連接的分支網(wǎng)絡(luò)組和第三網(wǎng)絡(luò)；所述分支網(wǎng)絡(luò)組包括并聯(lián)的第一分支網(wǎng)絡(luò)和第二分支網(wǎng)絡(luò)；所述第一分支網(wǎng)絡(luò)基于卷積神經(jīng)網(wǎng)絡(luò)以及循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建；所述第二分支網(wǎng)絡(luò)基于循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建；所述第三網(wǎng)絡(luò)基于全連接層構(gòu)建；

所述第一分支網(wǎng)絡(luò)，用于對網(wǎng)格化降雨數(shù)據(jù)提取空間分布特征，并進(jìn)行時序特征提取，得到第一輸出特征；所述網(wǎng)格化降雨數(shù)據(jù)基于預(yù)定流域的N個水文站點(diǎn)的歷史K年各小時和未來P小時降雨量數(shù)據(jù)和所述N個水文站點(diǎn)的位置信息確定；

所述第二分支網(wǎng)絡(luò)，用于對處理后流量數(shù)據(jù)進(jìn)行時序特征提取，得到第二輸出特征；所述處理后流量數(shù)據(jù)基于所述N個水文站點(diǎn)中位于所述預(yù)定流域的出口斷面處的目標(biāo)水文站點(diǎn)的歷史K年各小時水流量數(shù)據(jù)確定；

所述第三網(wǎng)絡(luò)，用于對所述第一輸出特征以及所述第二輸出特征進(jìn)行合并并分類預(yù)測，得到所述目標(biāo)水文站點(diǎn)未來P小時的流量預(yù)測值，其中，N、K和P為大于1的自然數(shù)。

可選的，所述第一分支網(wǎng)絡(luò)包括依次連接的降維網(wǎng)絡(luò)、特征變換網(wǎng)絡(luò)以及多個GRU層；所述第二分支網(wǎng)絡(luò)包括多個GRU層；所述第三網(wǎng)絡(luò)包括concat模塊以及多個全連接層。

可選的，所述網(wǎng)格化降雨數(shù)據(jù)以及所述處理后流量數(shù)據(jù)的構(gòu)建過程包括：

獲取預(yù)定流域的原始降雨數(shù)據(jù)、原始流量數(shù)據(jù)以及N個水文站點(diǎn)的原始位置信息；所述原始降雨數(shù)據(jù)包括所述預(yù)定流域的N個水文站點(diǎn)的歷史K年各小時降雨數(shù)據(jù)，所述原始流量數(shù)據(jù)包括所述N個水文站點(diǎn)中位于所述預(yù)定流域的出口斷面處的目標(biāo)水文站點(diǎn)的歷史K年各小時流量數(shù)據(jù)，所述原始位置信息包括所述N個水文站點(diǎn)的經(jīng)度和所述N個水文站點(diǎn)的緯度；

將所述原始降雨數(shù)據(jù)、預(yù)先獲取的未來P小時的先驗降雨數(shù)據(jù)、所述原始流量數(shù)據(jù)以及所述原始位置信息進(jìn)行預(yù)處理，分別得到處理后降雨數(shù)據(jù)、處理后先驗降雨數(shù)據(jù)、處理后流量數(shù)據(jù)以及處理后位置信息；