[发明专利]一种入库流量的预测方法、装置及电子设备

权利要求书

1.一种入库流量的预测方法，包括：

获取实际的入库流量数据，基于所述入库流量数据和时间模式注意力机制的长短期记忆网络TPA-LSTM，获取影响入库流量预测的第一数值；

采集预测流域内的历史降水数据，并基于所述历史降水数据，获取所述预测流域的降水特征；

基于所述预测流域的降水特征获取影响入库流量预测的第二数值；

基于所述第一数值和所述第二数值，获取所述预测流域的预测入库流量。

2.根据权利要求1所述的入库流量的预测方法，其中，所述基于所述预测流域的降水特征获取第二数值，包括：

将所述降水特征输入多个一维卷积核中进行卷积处理，得到所述第二数值。

3.根据权利要求1所述的入库流量的预测方法，其中，所述基于所述入库流量数据和TPA-LSTM，获取影响入库流量预测的第一数值，包括：

按照获取到的每组入库流量数据的采集时刻，生成时间序列；

将所述时间序列输入所述TPA-LSTM进行自注意力学习，得到所述第一数值。

4.根据权利要求1-3任一项所述的入库流量的预测方法，其中，所述采集预测流域内的历史降水数据，包括：

获取属于所述预测流域内多个观测对象，最近N次降水的降水数据，作为所述历史降水数据，其中N为大于或者等于1的正整数。

5.根据权利要求4所述的入库流量的预测方法，其中，所述基于所述历史降水数据，获取所述预测流域的降水特征，包括：

针对任一个观测对象，基于每次降水的所述降水数据，获取所述每次降水的降水时刻和所述每次降水中出现的峰值；

根据所述每次降水的降水时刻和所述峰值，获取所述每次降水的降水特征；

基于所述N次降水的降水特征，生成所述观测对象的降水特征；

基于每个所述观测对象的降水特征，生成所述预测流域的降水特征。

6.根据权利要求5所述的入库流量的预测方法，其中，所述每次降水的降水特征，包括：所述峰值、所述降水时刻与当前时刻的时间距离、每次降水的降水总量、所述峰值的和值与所述时间距离的乘积以及所述降水总量与所述时间距离的乘积。

7.根据权利要求6所述的入库流量的预测方法，其中，所述基于所述N次降水的降水特征，生成所述观测对象的降水特征，包括：

基于所述每次降水的降水特征，获取所述N次降水的累计降水总量；

将所述累计降水总量与所述N次降水的降水特征进行拼接，生成所述观测对象的降水特征。

8.根据权利要求6所述的入库流量的预测方法，其中，所述每次降水的降水总量采用如下方式获取：

获取所述峰值所属的降水尖峰，并获取所述所属的降水尖峰对应的降水量，对每个所述降水尖峰对应的降水量求和，得到所述每次降水的降水总量。

9.一种入库流量的预测装置，包括：

第一数值获取模块，用于获取实际的入库流量数据，基于所述入库流量数据和时间模式注意力机制的长短期记忆网络TPA-LSTM，获取影响入库流量预测的第一数值；

降水特征获取模块，用于采集预测流域内的历史降水数据，并基于所述历史降水数据，获取所述预测流域的降水特征；

第二数值获取模块，用于基于所述预测流域的降水特征获取影响入库流量预测的第二数值；

预测入库流量获取模块，用于基于所述第一数值和所述第二数值，获取所述预测流域的预测入库流量。

10.根据权利要求9所述的入库流量的预测装置，其中，所述第二数值获取模块，包括：

第一确定子模块，用于将所述降水特征输入多个一维卷积核中进行卷积处理，得到所述第二数值。