[发明专利]一种基于时空图卷积降雨-径流区间预测方法

说明书

本发明公开了一种基于时空图卷积降雨‑径流区间预测方法，通过物理机理将研究对象划分为不同的同质对象去模拟流域，同时，在构建过程中考虑流域边界以及特征对齐问题；使用TCN时间卷积网络和图卷积方法在构建时分别实现时间与空间信息的提取与编码，实现对降水‑径流过程的水文推演；其中，时间卷积操作中融合了attention机制更好的提取时间特征，而空间图卷积操作基于本方法所构建的同质图和图卷积方法，输出层引入LUBE区间预测方法对预测结果进行估计从而实现降雨‑径流区间预测。本发明融合了流域的空间信息与时间信息的特征，实现了时空一致的数据组织机制，输出预测值引入了区间预测的方法提高了降雨‑径流预报的精度。

技术领域

本发明属于数据驱动下中小流域的降雨-径流预测领域，具体涉及一种基于时空图卷积降雨-径流区间预测方法。

背景技术

随着水利进入新的发展阶段，以水利为代表的各行各业都已经构建或正在构建面向行业的大数据基础，呈现出以数据挖掘实现领域特定任务的发展趋势。国内外学者利用长期积累的水文观测与实践数据积极地进行智能降雨-径流预测研究，但由于当前多数模型建模过程为充分考虑领域知识，预报结果的低可信度和较短的预见期依旧阻碍着智能模型的性能提升与广泛应用。流域作为具有时空演变的动态系统，如何充分而合理地利用流域内下垫面，气温，风速，降雨等可获得的信息，是当前智能降雨-径流预测研究的重点和难点。因此，需要探索发明一种新的基于时空图卷积的降雨-径流区间预测方法，面向多尺度水利对象研究时空一致的数据组织机制，对降水-径流过程的水利对象，水循环过程的关联关系进行挖掘，以解决时空图卷积网络在水利领域应用的技术难题。确定性预测方法简单直接，且比较容易实现，现有的预测方法多采用确定性预测，然而降水- 径流过程异常复杂以及人类对其过程认知的程度不够，使得其确定性预测的不确定性不可避免。确定性预测仅能预测变量在未来时刻的一个单点值，无法提供与这个预测相关的内在不确定程度。区间预测不仅给出了变量可能出现的一个预测区间，还提供了概率置信水平，因此有必要进行区间预测的研究。

发明内容

发明目的：本发明的目的在于提供一种基于时空图卷积的降雨-径流区间预测方法，从而解决现有技术中存在的前述问题。

技术方案：本发明提供一种基于时空图卷积的降雨-径流区间预测方法，包括以下步骤：

(1)将预先收集的研究流域各站点的水文数据存入水文历史数据库；

(2)对水文历史数据进行预处理，然后把预处理后的数据根据留出法划分为训练集与测试集；

(3)构建时空图卷积降雨-径流区间预测模型，并采用训练集进行训练，调节预测模型参数使得预测模型收敛；构建预测模型包括同质图生成，时间注意力卷积，空间图卷积及区间预测四个过程；通过构建基于物理机理的同质图，在时空角度下根据监测的子流域特征利用时间注意力卷积与空间图卷积方法，对流域状态变化过程进行模拟，从而实现区间预测；

(4)使用测试集评估基于时空图卷积降雨-径流区间预测模型性能；

(5)将预处理后的当前水文数据作为时空图卷积降雨-径流区间预测模型输入，未来第k时刻流域出口断面流量为模型输出，即未来第k小时流量。

进一步地，步骤(1)所述水文数据包括历史降雨数据、河流出口断面的历史流量数据、流域历史蒸发数据、流域历史温度数据、流域历史风速数据。

进一步地，步骤(2)所述对水文历史数据进行预处理包括数据的缺失补全、数据异常更正及数据归一化；其中数据的缺失补全采用克里金插值法；数据异常更正指单个的异常数据采用同一站点前后时间的平均值替代，连续的异常数据采用同一时间相邻站点的平均值替代；数据归一化为Min-max标准化。

进一步地，步骤(3)所述的时间注意力卷积是将attention机制引入到时间卷积网络TCN模型中。