[发明专利]基于深度学习的洪水流量预测系统和方法

权利要求书

1.一种基于深度学习的洪水流量预测系统，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；

所述预测端，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小时各个水文站点的先验降雨数据和所述N个水文站点的原始位置信息，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、所述先验降雨数据、所述原始流量数据以及所述原始位置信息进行预处理，分别得到处理后降雨数据、处理后先验降雨数据、处理后流量数据以及处理后位置信息；基于所述处理后降雨数据、所述处理后先验降雨数据以及所述处理后位置信息，形成网格化降雨数据；基于所述网格化降雨数据，利用预先训练得到的基于深度学习的洪水流量预测模型的第一分支网络提取空间分布特征，以及提取历史T小时和未来P小时的降雨数据的时序特征，得到第一输出特征；基于所述处理后流量数据，利用所述基于深度学习的洪水流量预测模型的第二分支网络提取历史T小时的流量数据的时序特征，得到第二输出特征；利用所述基于深度学习的洪水流量预测模型的第三网络对所述第一输出特征以及所述第二输出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，N、K、T和P均为大于1的自然数，且T小于等于所述K年对应的小时数。

2.根据权利要求1所述的基于深度学习的洪水流量预测系统，其特征在于，所述预测端将所述原始降雨数据、所述先验降雨数据、所述原始流量数据以及所述原始位置信息进行预处理，分别得到处理后降雨数据、处理后流量数据以及处理后位置信息，包括：

对所述原始降雨数据进行数据剔除、数据补全处理以及归一化处理，得到处理后降雨数据；

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；

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；

将所述原始位置信息进行网格化处理，得到处理后位置信息。

3.根据权利要求2所述的基于深度学习的洪水流量预测系统，其特征在于，所述预测端对所述原始降雨数据进行数据剔除、数据补全处理以及归一化处理，得到处理后降雨数据，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，得到补全降雨数据；

将所述补全降雨数据进行归一化处理，得到处理后降雨数据。

4.根据权利要求2所述的基于深度学习的洪水流量预测系统，其特征在于，所述归一化处理包括[0,1]归一化处理。

5.根据权利要求1或2所述的基于深度学习的洪水流量预测系统，其特征在于，所述预测端基于所述处理后降雨数据、所述处理后先验降雨数据以及所述处理后位置信息，形成网格化降雨数据，包括：

针对每一小时，从所述处理后降雨数据和所述处理后先验降雨数据中，选取该小时各水文站点对应的降雨数据分别填入所述处理后位置信息中各水文站点的对应位置处，形成该小时对应的第一网格化降雨数据，由所述处理后降雨数据和所述处理后先验降雨数据对应的所有所述第一网格化降雨数据构成所述网格化降雨数据。