[发明专利]一种入库流量预测方法、设备与存储介质

权利要求书

1.一种入库流量预测方法，其特征在于，包括如下步骤：

1）目标范围划分：利用泰森多边形理论对目标水库周围雨量站站点进行范围划分，并对目标水库周围气象站站点筛选，确定目标水库范围内的目标雨量站和目标气象站；

2）多源数据采集：在目标水库范围内，预先采集水库的历史流量数据、雨量站的历史雨量数据、气象站的历史环境观测数据，包括气温、风向、风速；

3）负入库流量修正：考虑目标水库是否存在水力发电机组发电数据以及水库泄洪数据，对目标范围内无降雨时水库存在负入流量的情况进行数据修正，将水库入流量修正为考虑发电与泄洪情况后的数据集；

4）数据重采样：对采样频率各不相同的水库的历史流量数据集、雨量站的历史雨量数据集、气象站的历史环境观测数据集进行重新采样，考虑到预测目标为目标范围内的水库入库流量，采样频率标准为入库流量数据集的采样频率；

5）滞后降雨数据集修正：以雨量站实测的历史雨量数据作为导致水库入库流量增加的特征数据进行统计分析，判断两者之间的滞后周期，从而构建考虑降雨量滞后性影响的历史雨量数据集；

6）数据归一化处理：对目标范围内考虑滞后性影响的历史雨量数据集、历史环境观测数据以及水库的历史流量数据集进行归一化处理，得到归一化处理后的目标范围内考虑滞后性影响的历史雨量数据集、历史环境观测数据以及水库的历史流量数据集；

7）神经网络模型构建：考虑重采样后对数据造成的误差，并且为克服预先采集数据可能存在的误差等问题，预先构建结合遗传算法GA和门控循环单元网络GRU的人工神经网络结构，采用GA算法优化GRU网络、选择最佳关键信息保存时间间隔以及隐含层神经元数目；

8）神经网络模型训练：利用优化后的GRU网络对归一化后的目标范围内考虑滞后性影响的历史雨量数据集、历史环境观测数据以及水库的历史流量数据集进行分析，实现水库入库流量的可靠预测；

9）未来数据预测：采集目标范围内最新时段产生的水库的历史流量数据、雨量站的历史雨量数据、历史环境观测数据，对所采集的数据重复进行步骤8）五次，将五次的输出结果取平均值作为目标范围在未来时间段内的水库入库流量预测值。

2.根据权利要求1所述的入库流量预测方法，其特征在于，步骤2）所述流量数据是每个时间点测量一次的瞬时流量，雨量数据是相邻两个时间点之间的累计雨量，历史环境观测数据是目标范围内测段每天的观测数据。

3.根据权利要求1所述的入库流量预测方法，其特征在于，步骤5）所述的滞后降雨数据集修正具体步骤为：

首先，依次读取各雨量站的连续降雨时间序列，并将其划分为独立的降雨场次，生成多个场次的降雨时间序列；

其次，将提取的多个场次的降雨时间序列生成独立的降雨事件，以此作为雨量站实测的历史雨量数据导致水库入库流量增加的特征数据，将其与对应的水库入库流量数据进行统计分析，判断雨量站实测历史雨量数据与水库入库流量之间的滞后周期关系；

最后，利用滑动窗口对历史雨量数据集时间序列和水库入库流量数据进行错位处理。

4.根据权利要求1所述的入库流量预测方法，其特征在于，步骤7）所述的神经网络模型中，遗传算子开始搜索空间之前对具有可能解的种群进行初始化，其中使用的染色体编码为二进制位；通过一个预设的适应度函数来判断解，选择最小的RMSE作为最优解，利用GA寻得GRU网络的最优参数，将优化后的GRU网络用于目标水库入库流量的预测。

5.根据权利要求1或4所述的入库流量预测方法，其特征在于，所述的门控循环单元网络GRU包括更新门和重置门；所述重置门用于控制当前时刻候选状态的数据是否需要依赖上一时刻经所述步骤1）～6）处理后的数据集；所述更新门用于控制当前状态需要从历史状态中保留的数据数量，且需要从候选状态中提取的新数据数量。

6.一种入库流量预测设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述权利要求1-5任一所述的入库流量预测方法。

7.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-5任一所述的入库流量预测方法。