[发明专利]一种基于神经网络的水流量预测系统和方法

说明书

本发明公开了一种基于神经网络的水流量预测系统，站点端向预测端发送单端原始降雨数据和原始流量数据；预测端获取单端原始降雨数据、原始流量数据、先验降雨数据和邻接矩阵，得到原始降雨数据；将原始降雨数据、原始流量数据和先验降雨数据进行预处理；利用邻接矩阵得到归一化拉普拉斯矩阵；基于处理后流量数据构建第一数据，基于处理后降雨数据、处理后先验降雨数据和归一化拉普拉斯矩阵构建第二数据；将第一数据输入洪水流量预测模型的第一分支网络进行时序特征提取；利用第二数据和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；对两个分支网络输出的特征进行合并分类预测，得到目标水文站点未来P小时的流量预测值。

技术领域

本发明属于洪水预测领域，具体涉及一种基于神经网络的水流量预测系统和方法。

背景技术

洪水是常见的自然灾害之一，每年有上亿人受洪水影响，流离失所，而洪水所造成的财力物力损失也非常巨大。有效地预测洪水流量并及时发出预警对于防洪减灾具有重大意义。

当前的洪水流量预测模型主要分为传统物理模型和智能洪水预测模型。传统物理模型例如新安江模型，其是在充分挖掘当地的地形地貌、蒸发量、植被覆盖率等物理特征的前提下，进行物理过程的参数计算，最终制定出的一套具有区域针对性的预测模型。而智能洪水预测模型是以海量的历史数据作为先验知识，利用机器学习等智能方法得到的从输入特征到输出特征的函数映射或者联合分布。

但现有的洪水流量预测模型多属于单点预测，即预测未来一个时间点的流量情况，而在实际情况中，预测得到的单个时间点的流量数据缺乏实际应用价值。并且，现有的洪水流量预测模型在利用降雨量数据时仅仅将其作为时间序列进行分析，并未考虑降雨量的空间分布情况，因此无法完全挖掘实际降雨数据所描述的信息，预测的准确性不高。

发明内容

本发明实施例的目的在于提供一种基于神经网络的水流量预测系统和方法，以实现未来一个时间段的洪水流量预测，并充分挖掘实际降雨数据所描述的信息，得到与实际降雨情况相符的准确性高的预测结果的目的。具体技术方案如下：

第一方面，本发明实施例提供了一种基于神经网络的水流量预测系统，所述系统包括：

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。

可选的，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；