[发明专利]一种基于时序注意力机制的洪水预报方法

权利要求书

1.一种基于时序注意力机制的洪水预报方法，其特征在于：

收集研究的中小流域的水文历史数据，将收集到的所述水文历史数据进行数据预处理；

对已经进行过数据预处理的水文历史数据进行空间特征建模；

通过长短期记忆网络的迭代训练，对已经进行过空间特征建模的水文历史数据进行时间特征建模，得到预报模型；

基于时序注意力机制的思想计算每个时刻的时序注意力机制得分，增强对长期记忆的分辨能力，并得到上下文向量，进而得到预测值；

输入所述预测值测试所述预报模型性能，判断整个预报模型损失函数值的大小变化趋势，如果变化趋势不呈递减趋势或没有趋于平缓，则进行参数调节，直到损失函数值呈递减趋势，并且趋于平缓；

通过评估标准对预报模型进行分析，完成洪水预报；

所述空间特征建模具体包括水文测站空间特征建模和相关性系数计算；

所述水文测站空间特征建模为基于欧几里得距离原理计算得到水文关系矩阵；所述相关性计算为基于皮尔逊系数公式计算得到相关性矩阵；将所述水文关系矩阵和相关性矩阵按照设定的比例进行融合，得到最终的输入矩阵，所述输入矩阵输入到图卷积神经网络进行处理，完成经过数据预处理的水文历史数据的空间特征建模。

2.根据权利要求1所述的一种基于时序注意力机制的洪水预报方法，其特征在于：所述水文历史数据包括流域内历史降雨数据和流域出口断面的历史流量数据。

3.根据权利要求1所述的一种基于时序注意力机制的洪水预报方法，其特征在于：所述数据预处理包括数据清洗、数据变换以及数据集划分。

4.根据权利要求3所述的一种基于时序注意力机制的洪水预报方法，其特征在于：所述数据清洗包括去除离群噪声数据和重复数据，且补全缺失数据；数据清洗及补全通过统计学原理自动实现；所述数据变换为通过规范化方式将数据转换成适用于所述预报模型训练的方式，具体方法为标准归一化；归一化处理后的数据集划分为训练集和测试集，其中，数据集划分方法为选取其中一场洪水数据作为测试集，剩下的洪水场次作为训练集；训练数据集训练采用交叉验证法防止所述预报模型过拟合。

5.根据权利要求1所述的一种基于时序注意力机制的洪水预报方法，其特征在于：所述通过评估标准对所述预报模型进行分析，得到洪水预报数据，具体为：使用测试集数据评估预报模型的性能，具体为使用三种评估标准同时评估基于注意力机制的洪水预报结果，所述三种评估标准分别为平均绝对误差MAE、决定系数R²、均方根误差RMSE。

6.根据权利要求5所述的一种基于时序注意力机制的洪水预报方法，其特征在于：所述三种评估标准公式如下：

1)平均绝对误差MAE：

其中，——第m个样本河水流量实际观测值，——第m个样本河水流量预测值，N——测试样本数量；

2)决定系数R²：

其中，——第m个样本河水流量实际观测值，——第m个样本河水流量预测值，——第m个样本河水流量预测平均值，N——测试样本数量；

3)均方根误差RMSE：

其中，——第m个样本河水流量实际观测值，——第m个样本河水流量预测平均值，N——测试样本数量。