[发明专利]污水检查井的液位预测方法、装置、电子设备及存储介质

权利要求书

1.一种污水检查井的液位预测方法，其特征在于，所述方法包括：

获取与污水检查井的未来液位时间序列相关的参考因素数值，所述参考因素数值包括所述污水检查井的实际液位时间序列、所述污水检查井所在区域的实际降雨时间序列、以及所述污水检查井所在区域的预报降雨时间序列；

在基于所述参考因素数值确定所述污水检查井存在溢流风险的情况下，基于所述参考因素数值，预测所述污水检查井的未来液位时间序列。

2.根据权利要求1所述的方法，其特征在于，所述基于所述参考因素数值，预测所述污水检查井的未来液位时间序列，包括：

将所述参考因素数值输入基于注意力机制的深度学习模型，得到所述深度学习模型输出的所述污水检查井的未来液位时间序列的预测值，所述基于注意力机制的深度学习模型对训练样本的峰值赋予不同的权重。

3.根据权利要求2所述的方法，其特征在于，所述基于注意力机制的深度学习模型是基于所述训练样本训练得到的，所述训练样本包括所述污水检查井内的样本历史液位时间序列、所述污水检查井所在区域的样本历史降雨时间序列。

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

获取所述污水检查井的未来液位时间序列的实际值；

在所述未来液位时间序列的预测值与所述实际值的差值超过预设阈值的情况下，对所述训练样本进行更新，并利用更新后的训练样本训练所述深度学习模型，得到更新后的深度学习模型。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

对于所述更新后的深度学习模型的每一次预测，确定当前次预测深度学习模型输出的预测值与实际值的第一绝对误差，以及前一次预测深度学习模型输出的预测值与实际值的第二绝对误差；

在所述第一绝对误差小于或等于所述第二绝对误差的情况下，将当前的深度学习模型确定为预测所述污水检查井的未来液位时间序列的模型。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

对于所述更新后的深度学习模型的每一次预测，确定当前次预测深度学习模型输出的预测值与实际值的第一绝对误差，以及前一次预测深度学习模型输出的预测值与实际值的第二绝对误差；

在所述第一绝对误差大于所述第二绝对误差的情况下，对当前的深度学习模型的训练样本进行更新，并利用更新后的训练样本训练深度学习模型。

7.根据权利要求1-3任一项所述的方法，其特征在于，所述污水检查井存在溢流风险是通过以下方式确定的：

将所述参考因素数值分别与溢流预警阈值进行比较，若所述参考因素数值中的至少一项超过所述溢流预警阈值，则确定所述污水检查井存在溢流风险。

8.一种污水检查井的液位预测装置，其特征在于，所述装置包括：

获取模块，用于获取与污水检查井的未来液位时间序列相关的参考因素数值，所述参考因素数值包括所述污水检查井的实际液位时间序列、所述污水检查井所在区域的实际降雨时间序列、以及所述污水检查井所在区域的预报降雨时间序列；

预测模块，用于在基于所述参考因素数值确定所述污水检查井存在溢流风险的情况下，基于所述参考因素数值，预测所述污水检查井的未来液位时间序列。

9.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器在执行所述计算机程序时实现权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。