[发明专利]一种基于神经网络的水流量预测系统和方法

权利要求书

1.一种基于神经网络的水流量预测系统，其特征在于，包括N个站点端和一个预测端，其中所述N个站点端是预定流域的N个水文站点对应的终端，所述N个水文站点中有一个目标水文站点位于所述预定流域的出口断面处；

每个站点端，用于向所述预测端发送表征该水文站点历史K年各小时降雨数据的单端原始降雨数据，且所述目标水文站点对应的站点端还向所述预测端发送表征该目标水文站点历史K年各小时流量数据的原始流量数据；

预测端，用于获取所述单端原始降雨数据、所述原始流量数据、未来P小时各水文站点的先验降雨数据和表征所述N个水文站点位置连接关系的邻接矩阵，并由获取到的所有单端原始降雨数据得到原始降雨数据；将所述原始降雨数据、所述原始流量数据和所述先验降雨数据进行预处理，分别得到处理后降雨数据、处理后流量数据和处理后先验降雨数据；利用所述邻接矩阵得到归一化拉普拉斯矩阵；基于所述处理后流量数据构建第一数据，并基于所述处理后降雨数据、所述处理后先验降雨数据和所述归一化拉普拉斯矩阵构建第二数据；将所述第一数据输入预先训练得到的洪水流量预测模型的第一分支网络进行时序特征提取；利用所述第二数据和所述洪水流量预测模型的第二分支网络进行针对降雨数据的图数据特征提取和时序特征提取；并对两个分支网络输出的特征进行合并分类预测，得到所述目标水文站点未来P小时的流量预测值；其中N、K和P为大于1的自然数。

2.根据权利要求1所述的系统，其特征在于，所述预测端将所述原始降雨数据、所述原始流量数据和所述先验降雨数据进行预处理，分别得到处理后降雨数据、处理后流量数据和处理后先验降雨数据，包括：

将所述原始降雨数据进行数据剔除处理、数据补全处理和归一化处理，得到处理后降雨数据；

将所述原始流量数据进行归一化处理，得到处理后流量数据；

将所述先验降雨数据进行归一化处理，得到处理后先验降雨数据。

3.根据权利要求2所述的系统，其特征在于，所述预测端将所述原始降雨数据进行数据剔除处理、数据补全处理，包括：

将所述原始降雨数据中，数据数目低于预设数量的水文站点所对应的数据剔除，得到剩余降雨数据；

对所述剩余降雨数据中缺失的降雨数据，利用反距离加权法进行数据补全。

4.根据权利要求1所述的系统，其特征在于，所述预测端利用所述邻接矩阵得到归一化拉普拉斯矩阵，包括：

利用所述邻接矩阵得到度矩阵；

利用所述邻接矩阵和所述度矩阵得到归一化拉普拉斯矩阵。

5.根据权利要求2所述的系统，其特征在于，所述预测端基于所述处理后流量数据构建第一数据，并基于所述处理后降雨数据、所述处理后先验降雨数据和所述归一化拉普拉斯矩阵构建第二数据，包括：

从所述处理后流量数据中选取T小时对应的数据构建第一数据；

从所述处理后降雨数据中选取T小时对应的数据与所述处理后先验降雨数据构建输入向量，由所述输入向量与所述归一化拉普拉斯矩阵以及预设的参数矩阵，构建第二数据；

其中，T为大于1的自然数，且T小于等于所述K年对应的小时数。

6.根据权利要求5所述的系统，其特征在于，所述预测端将所述第一数据输入预先训练得到的洪水流量预测模型的第一分支网络进行时序特征提取，包括：

将所述第一数据输入所述第一分支网络，利用所述第一分支网络的GRU模块进行时序特征提取，得到第一输出特征。