一种河流流量预测方法、装置及电子设备和存储介质制造方法及图纸

本申请公开了一种河流流量预测方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取卫星遥感图像数据和地面观测站数据；利用编码器对所述卫星遥感图像数据进行降维处理得到遥感河流流量特征；利用解码器对所述地面观测站数据进行升维处理得到地面观测流量与降雨量特征和地面观测天气特征；将所述区域遥感河流流量特征、所述地面观测流量与降雨量特征和地面观测天气特征输入SVM或神经网络中，得到河流流量预测结果。由此可见，本申请提供的河流流量预测方法，通过对卫星遥感图像数据进行降维处理、对地面观测站数据进行升维处理，提高了河流流量预测的准确性。

A river flow prediction method, device, electronic equipment and storage medium

【技术实现步骤摘要】
一种河流流量预测方法、装置及电子设备和存储介质
本申请涉及计算机
，更具体地说，涉及一种河流流量预测方法、装置及一种电子设备和一种计算机可读存储介质。
技术介绍
目前，常用机器学习方法支持向量机SVM(中文全称：支持向量机模型，英文全称：SupportVectorMachine)和神经网络NN(中文全称：神经网络模型，英文全称：NeuralNetwork)已用于河流流量的预测，其中NN包括多种神经网络分类模型。SVM和NN在地面观测值时间序列包含噪声较大或相关性较大时，具有较大预测误差，在河流流量预测时，卫星遥感图像数据观测值的测量误差较大，导致观测值中包含许多噪音，导致模型的预测力下降。因此，如何提高河流流量预测的准确性是本领域技术人员需要解决的技术问题。
技术实现思路
本申请的目的在于提供一种河流流量预测方法、装置及一种电子设备和一种计算机可读存储介质，提高了河流流量预测的准确性。为实现上述目的，本申请提供了一种河流流量预测方法，包括：获取卫星遥感图像数据和地面观测站数据；利用编码器本文档来自技高网...

【技术保护点】
1.一种河流流量预测方法，其特征在于，包括：/n获取卫星遥感图像数据和地面观测站数据；/n利用编码器对所述卫星遥感图像数据进行降维处理得到区域遥感河流流量特征；/n利用解码器对所述地面观测站数据进行升维处理得到地面观测流量与降雨量特征和地面观测天气特征；/n将所述区域遥感河流流量特征、所述地面观测流量与降雨量特征和地面观测天气特征输入SVM或神经网络中，得到河流流量预测结果。/n

【技术特征摘要】
1.一种河流流量预测方法，其特征在于，包括：
获取卫星遥感图像数据和地面观测站数据；
利用编码器对所述卫星遥感图像数据进行降维处理得到区域遥感河流流量特征；
利用解码器对所述地面观测站数据进行升维处理得到地面观测流量与降雨量特征和地面观测天气特征；
将所述区域遥感河流流量特征、所述地面观测流量与降雨量特征和地面观测天气特征输入SVM或神经网络中，得到河流流量预测结果。


2.根据权利要求1所述河流流量预测方法，其特征在于，所述编码器包括宽卷积神经网络、高斯隐马尔可夫模型和贝叶斯平摊变分推断模型；
所述利用编码器对所述卫星遥感图像数据进行降维处理得到区域遥感河流流量特征，包括：
将所述卫星遥感图像数据输入所述宽卷积神经网络得到第一区域遥感河流流量特征向量；
将所述卫星遥感图像数据输入所述高斯隐马尔可夫模型得到第二区域遥感河流流量特征向量；
将所述卫星遥感图像数据输入所述贝叶斯平摊变分推断模型得到第三区域遥感河流流量特征向量；
将所述第一区域遥感河流流量特征向量、所述二区域遥感河流流量特征向量和所述所述第三区域遥感河流流量特征向量拼接为所述区域遥感河流流量特征。


3.根据权利要求1所述河流流量预测方法，其特征在于，所述利用解码器对所述地面观测站数据进行升维处理得到地面观测流量与降雨量特征和地面观测天气特征，包括：
生成所述地面观测站数据对应的模拟数据；
利用多重插值法将所述地面观测站数据和所述模拟数据混合为所述地面观测流量与降雨量特征和地面观测天气特征。


4.根据权利要求3所述河流流量预测方法，其特征在于，所述生成所述地面观测站数据对应的模拟数据，包括：
计算所述地面观测站数据的时空概率分布模型，基于所述时空概率分布模型利用贝叶斯生成式学习器生成所述地面观测站数据对应的模拟数据。


5.根据权利要求3所述河流流量预测方法，其特征在于，所述生成所述地面观测站数据对应的模拟数据，包括：
通过基于概率分布的重要性抽样模型生成所述地面观测站数据对应的模拟数据。


6.根据权利要求1至5中任一项所述河流流量预测方法，其特征在于，所述利用解码器对所述地面观测站数据进行降...

【专利技术属性】
技术研发人员：彭慧民，李茹杨，赵雅倩，李仁刚，
申请(专利权)人：浪潮电子信息产业股份有限公司，
类型：发明
国别省市：山东;37