[發明專利]一種基于圖神經網絡的地表水水質指標預測方法和裝置

有效

• 申請號: 202110049864.2
• 申請日: 2021-01-14
• 公開（公告）號: CN112651665B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 王敬昌;陳嶺;龔翌;鄭羽;許佳輝;杜聿洲;應悅
• 申請（專利權）人: 浙江鴻程計算機系統有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

1.一種基于圖神經網絡的地表水水質指標預測方法，其特征在于，包括以下步驟：

采集并預處理水質指標監測數據和天氣數據；

基于地表水水質指標監測站點的地理位置數據和水文數據構建站點圖，包括：以地表水水質指標監測站點為節點，以地表水水質指標監測站點的地理位置和地表水水質指標監測站點之間的水路流向作為水文數據來構建節點之間連邊，以獲得站點圖，在構建站點圖的鄰接矩陣時，以上游地表水水質指標監測站點到下游地表水水質指標監測站點且兩者之間的歐式距離小于閾值R_h的地表水水質指標監測站點之間才存在連邊為約束條件，并以歐式距離的倒數為元素值，來計算鄰接矩陣；

依據預處理后的水質指標監測數據、天氣數據和站點圖對圖卷積神經網絡、基于LSTM構建的序列編解碼器以及多層感知機組成的水質指標預測網絡進行參數優化，對水質指標預測網絡進行參數優化時，以每個地表水水質指標監測站點的每個歷史時刻的水質指標監測數據和天氣數據拼接得到每個站點每個歷史時刻的站點屬性，將每個歷史時刻的所有站點屬性構成每個歷史時刻的站點圖屬性作為一個用作訓練水質指標預測網絡的樣本數據，具體地，將每個歷史時刻的站點圖屬性和站點圖作為圖卷積神經網絡的輸入，利用圖卷積神經網絡提取各地表水水質指標監測站點的嵌入表示，組成各個歷史時刻的站點圖的嵌入表示；序列編解碼器包括編碼LSTM和解碼LSTM，按照時間順序，將各個歷史時刻的站點圖的嵌入表示依次輸入至編碼LSTM，利用編碼LSTM對嵌入表示進行編碼處理，得到所有地表水水質指標監測站點各個時刻的隱藏狀態，并將最后歷史時刻的隱藏狀態作為所有地表水水質指標監測站點的編碼向量組成站點圖的編碼向量；利用站點圖的編碼向量初始化解碼LSTM的隱藏狀態，并將上一時刻的水質指標預測數據和當前時刻的天氣數據拼接后作為當前時刻的輸入數據，輸入至解碼LSTM和解碼得到隱藏狀態，將隱藏狀態輸入至多層感知機經映射計算得到當前時刻的水質指標預測數據，據此得到多個未來時刻的水質指標預測結果；其中，解碼LSTM的第一個時刻的輸入數據為最后歷史時刻的水質指標監測數據和該時刻的天氣數據拼接的數據；

參數優化結束后，參數確定的水質指標預測網絡作為水質指標預測模型；利用水質指標預測模型實現基于預處理后的水質指標監測數據和天氣數據的水質指標預測。

2.如權利要求1所述的基于圖神經網絡的地表水水質指標預測方法，其特征在于，對水質指標預測網絡進行參數優化時，以水質指標監測數據的真實值與預測值的均方誤差為損失函數，更新水質指標預測網絡的參數。

3.如權利要求1所述的基于圖神經網絡的地表水水質指標預測方法，其特征在于，對水質指標監測數據和天氣數據的預處理包括：將異常值作為缺失值，采用線性插值法填充缺失值；對補全后的數據做歸一化處理。

4.如權利要求1所述的基于圖神經網絡的地表水水質指標預測方法，其特征在于，利用水質指標預測模型預測水質指標時，將歷史時刻的水質指標監測數據和未來時刻的天氣數據經預處理并拼接后輸入至水質指標預測模型中，經計算，預測得到未來時刻的水質指標預測結果。

5.一種基于圖神經網絡的地表水水質指標預測裝置，其特征在于，包括：

采集和預處理模塊，用于采集并預處理水質指標監測數據和天氣數據；

模型構建模塊，用于基于地表水水質指標監測站點的地理位置數據和水文數據構建站點圖，包括：以地表水水質指標監測站點為節點，以地表水水質指標監測站點的地理位置和地表水水質指標監測站點之間的水路流向作為水文數據來構建節點之間連邊，以獲得站點圖，在構建站點圖的鄰接矩陣時，以上游地表水水質指標監測站點到下游地表水水質指標監測站點且兩者之間的歐式距離小于閾值R_h的地表水水質指標監測站點之間才存在連邊為約束條件，并以歐式距離的倒數為元素值，來計算鄰接矩陣；

還用于依據預處理后的水質指標監測數據、天氣數據和站點圖對圖卷積神經網絡、基于LSTM構建的序列編解碼器以及多層感知機組成的水質指標預測網絡進行參數優化，對水質指標預測網絡進行參數優化時，以每個地表水水質指標監測站點的每個歷史時刻的水質指標監測數據和天氣數據拼接得到每個站點每個歷史時刻的站點屬性，將每個歷史時刻的所有站點屬性構成每個歷史時刻的站點圖屬性作為一個用作訓練水質指標預測網絡的樣本數據，具體地，將每個歷史時刻的站點圖屬性和站點圖作為圖卷積神經網絡的輸入，利用圖卷積神經網絡提取各地表水水質指標監測站點的嵌入表示，組成各個歷史時刻的站點圖的嵌入表示；序列編解碼器包括編碼LSTM和解碼LSTM，按照時間順序，將各個歷史時刻的站點圖的嵌入表示依次輸入至編碼LSTM，利用編碼LSTM對嵌入表示進行編碼處理，得到所有地表水水質指標監測站點各個時刻的隱藏狀態，并將最后歷史時刻的隱藏狀態作為所有地表水水質指標監測站點的編碼向量組成站點圖的編碼向量；利用站點圖的編碼向量初始化解碼LSTM的隱藏狀態，并將上一時刻的水質指標預測數據和當前時刻的天氣數據拼接后作為當前時刻的輸入數據，輸入至解碼LSTM和解碼得到隱藏狀態，將隱藏狀態輸入至多層感知機經映射計算得到當前時刻的水質指標預測數據，據此得到多個未來時刻的水質指標預測結果；其中，解碼LSTM的第一個時刻的輸入數據為最后歷史時刻的水質指標監測數據和該時刻的天氣數據拼接的數據；

參數優化結束后，參數確定的水質指標預測網絡作為水質指標預測模型；

預測模塊，用于利用水質指標預測模型實現基于預處理后的水質指標監測數據和天氣數據的水質指標預測。