[發明專利]一種改進時間卷積網絡的水庫中長期月徑流量預測方法

在審

• 申請號: 202211082522.1
• 申請日: 2022-09-06
• 公開（公告）號: CN115409275A
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 王錚;趙燕偉;鄭重;胡明志;張仁貢
• 申請（專利權）人: 浙大城市學院;浙江禹貢信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F16/215;G06F16/2458;G06N3/04;G06N3/08
• 代理公司: 杭州九洲專利事務所有限公司 33101
• 代理人: 張羽振

本發明涉及一種改進時間卷積網絡的水庫中長期月徑流量預測方法，包括：根據目標流域選取水文影響因子，并獲取對應的水文源數據；對水文源數據進行預處理；構建擴張因果卷積并行網；重構殘差連接方式；將整合構建的時間卷積網絡模型進行輸出保存；利用訓練集對改進時間卷積網絡模型進行訓練；根據經改進時間卷積網絡模型計算后的水文源數據的數據特征，進行目標流域徑流值輸出。本發明的有益效果是：本發明利用擴張卷積和因果卷積特點，通過構建多卷積核并行網進行多源水文特征并行，提取提升了徑流預測的精確性；并重構了殘差連接方式，避免數據特征多層傳遞導致的特征損失。

技術領域

本發明涉及水文預測技術領域，更確切地說，它涉及一種改進時間卷積網絡的水庫中長期月徑流量預測方法。

背景技術

水資源中流量大小是制定大部分有關水資源系統運行、管理方案的基礎因素，其涉及的影響范圍之廣包括旱災洪澇預防、自然生態環境保護、梯級水電站自動化運行、水庫徑流發電調度、輪渡航運管理以及工業需水的資源分配等領域中，具有十分重要的戰略地位。

徑流預測的實質是通過有效的技術手段對歷史氣象數據與水文數據進行采集和分析，實現對不同時間段內的徑流趨勢進行精準預測，其作為當今水資源研究領域中舉足輕重的一環，對后續研究的開展具有關鍵的現實意義與指導作用。

時至今日，國內外相關領域專家及研究人員提出的各類水文模型日趨復雜化、多樣化和實用化。從水循環動力學機制、水文歷史成因及計算機技術層面上劃分，水文預測模型可分為基于物理成因驅動分析模型、基于傳統數理統計分析模型、人工智能分析模型。物理成因驅動分析模型通過探尋大氣環流、全球氣象、融雪特征等獨特氣象背景異常信號來與流域內的水文特征進行信息關聯，但缺點是不具備可復制性，不同流域預報因子的物理要素分析是不具備通用性的，呈現因地制宜現象；數理統計分析方法依靠于大量流域歷史水文相關數據，很大程度上依賴于水文數據的高度完整性，如若存在山區水文數據缺失、徑流數據量不夠充足、統計結果存在誤導性情況，則利用該方法建立的統計模型不具備充分可信度的；人工智能方法在水文預報領域具有極大的應用前景，但目前仍存在缺乏近年來新提出的深度學習方法應用于復雜且耦合度高的多源水文、氣象時空數據的應用經驗，且現階段各種深度學習模型、機器學習模型等均需根據不同的情況進行參數選擇，需耗費大量的時間、精力對模型進行反復訓練尋求最優解。

發明內容

本發明的目的是克服現有技術中的不足，提供了一種改進時間卷積網絡的水庫中長期月徑流量預測方法。

第一方面，提供了一種改進時間卷積網絡的水庫中長期月徑流量預測方法，包括：

S1、確定目標流域，根據所述目標流域選取水文影響因子，并獲取所述水文影響因子對應的水文源數據；

S2、對所述水文源數據進行預處理，所述預處理包括清洗、去噪、補齊；

S3、改進時間卷積網絡模型，包括：

S3.1、構建擴張因果卷積并行網，對預處理后的水文源數據進行數據特征提取；

S3.2、重構殘差連接方式，替換標準卷積為擴張卷積和因果卷積；

S3.3、將S3.1和S3.2整合構建的時間卷積網絡模型進行輸出保存；

S4、利用訓練集對所述改進時間卷積網絡模型進行訓練，并保存訓練后的改進時間卷積網絡模型；

S5、根據經所述改進時間卷積網絡模型計算后的水文源數據的數據特征，進行目標流域徑流值輸出。

作為優選，S1中，根據主成分分析方法對目標流域徑流量物理性質具有相關性的自然影響因素進行篩選，確定所述目標流域對應的水文影響因子。

作為優選，S2中，將所述預處理后的水文源數據進行建模處理，并將所述預處理后的水文源數據進行數據降維。

作為優選，S3.1包括：