[发明专利]基于人工智能的水资源管理方法及系统

权利要求书

1.一种基于人工智能的水资源管理方法，其特征在于，包括：

获取历史记录中的水资源调度数据，并根据所述水资源调度数据获取对应的历史水资源数据和地理属性，所述历史水资源数据包括调度双方的用水量数据、水质数据、水库蓄水位，所述地理属性包括降雨量、人口密集度；

获取预设的地理属性权重等级表格，根据所述地理属性，结合所述地理属性权重等级表格，得到所述地理属性的对应权重；

将所述历史水资源数据、地理属性、地理属性的对应权重以及所述水资源调度数据输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

判断当前水资源数据是否满足水资源调度需求；

当所述当前水资源数据满足水资源调度需求，获取所述当前水资源数据对应的当前地理属性，并结合所述地理属性权重等级表格，得到所述当前地理属性对应权重，将所述当前水资源数据、当前地理属性、当前地理属性对应权重输入至所述训练后的卷积神经网络模型，输出对应的水资源调度方案。

2.根据权利要求1所述的基于人工智能的水资源管理方法，其特征在于，所述判断当前水资源数据是否满足水资源调度需求，包括：

获取当前水资源数据对应的当前地理属性，并结合所述地理属性权重等级表格，得到所述当前地理属性对应权重，并获取所述当前地理属性对应的水资源数据阈值；

将所述当前水资源数据与所述当前地理属性对应权重进行综合计算，将计算结果与所述水资源数据阈值进行对比，根据对比结果判断是否满足水资源调度中调度方的需求。

3.根据权利要求2所述的基于人工智能的水资源管理方法，其特征在于，所述方法还包括：

当根据所述对比结果判定所述当前水资源数据为水资源调度中的调度方，根据所述当前水资源数据获取对应的历史水资源数据，并根据所述历史水资源数据建立对应的水资源预测模型；

根据所述水资源预测模型预测未来需水量，对所述当前水资源数据进行调度模拟，将调度模拟后的当前水资源数据与未来需水量进行对比；

根据对比结果得到所述当前水资源数据作为调度方的调度水资源量。

4.根据权利要求2所述的基于人工智能的水资源管理方法，其特征在于，所述方法还包括：

当所述对比结果满足水资源调度中调度方的需求，所述输出对应的水资源调度方案，包括：

获取所述水资源调度中的所有调度方信息，并将所述所有调度方信息输出至所有调度方和被调度方，所述所有调度方信息包括调度方的调度水量数据、调度方当前位置信息。

5.根据权利要求1所述的基于人工智能的水资源管理方法，其特征在于，所述判断当前水资源数据是否满足水资源调度需求，包括：

获取当前水资源数据对应的当前地理属性，获取所述当前地理属性对应的水资源数据阈值；

对比所述当前水资源数据和所述水资源数据阈值，根据对比结果判断是否满足水资源调度中被调度方的需求。

6.根据权利要求5所述的基于人工智能的水资源管理方法，其特征在于，所述方法还包括：

当所述对比结果满足水资源调度中被调度方的需求，所述输出对应的水资源调度方案，包括：

接收所述水资源调度中的所有调度方信息，并将所述所有调度方信息输出至水资源管理中心，所述所有调度方信息包括调度方的调度水量数据、调度方当前位置信息。

7.根据权利要求1所述的基于人工智能的水资源管理方法，其特征在于，所述将历史水资源数据、地理属性、地理属性的对应权重以及所述水资源调度数据输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，包括：

将所述水资源调度数据分为训练集和验证集，将所述训练集以及对应的历史水资源数据、地理属性、地理属性的对应权重输入到卷积神经网络模型进行训练，得到训练后的初步卷积神经网络模型；

通过所述验证集以及历史水资源数据、地理属性、地理属性的对应权重输入到训练后的初步卷积神经网络模型进行测试，测试完成后得到所述训练后的卷积神经网络模型。