一种基于LSTM模型预测管网水位的方法及系统技术方案

本发明专利技术提供一种基于LSTM模型的管网水位预测方法及系统。管网水位预测方法为将采集的物联网水位计历史数据，按历史降雨场次进行分组整理，并通过换算充满度的方式进行数据归一化处理，通过相关性数据分析确定输入层数据，利用LSTM模型进行训练学习，通过不断优化与调参，最终得到可进行预测的模型。管网水位预测系统是上述方法的一个具体实现，具备完整的功能及交互界面；包括6个模块：监测布点模块，用于监测布点方案设计，选择重要节点布设设备；设备管理模块，用于安装后设备启用采样与通讯；实时数据模块，用于数据采集及时序数据展示；数据检修模块，进行数据整理与预处理；数据分析模块，用于数据归一化处理以及数据相关性分析。分析。分析。

【技术实现步骤摘要】
一种基于LSTM模型预测管网水位的方法及系统


[0001]本专利技术涉及城市雨水管网在线监测预测领域，尤其涉及一种基于LSTM模型预测管网水位的方法及系统。

技术介绍

[0002]近些年，国内许多大中型城市屡遭暴雨而频现内涝灾害，多次形成“看海”模式。在汛期，许多城市的居民生活会受天气，特别是受暴雨的影响；因为，暴雨之后，城市部分城区，特别是老旧城区会出现或多或少的城市内涝，影响部分城市居民的生产生活，甚至是影响居民的生命安全。内涝的频繁发生，暴露了当前管网主要存在缺乏信息化管理系统和缺乏监测预警机制两方面的问题。
[0003]为了应对上述问题，需要掌握管网运行动态及负荷空间分布；主动对雨水管网水位进行数据检修及分析；对管网当下运行状况进行在线监测，从而在时间上对管网运行状况做出短时预测。

技术实现思路

[0004](一)要解决的技术问题
[0005]本专利技术提供了一种基于LSTM模型对雨天排水管网水位的预测方法以及一套包含监测布点、设备管理、实时数据、数据检修、数据分析、数据预测等模块的雨水管网系统在线监测系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM模型的水位预测方法，其特征在于：所述方法包括如下步骤：步骤一：利用人工智能神经网络中LSTM模型(Long Short
‑
Term Memory，长短期记忆模型，以下简称LSTM)对雨水管网水位进行未来短时预测的方法。步骤二：定义预测的输入层与输出层：取场次降雨雨水管网的水位历史数据，以5分钟为间隔，1小时内的数据为一组(即12个数据)，预测下1小时的水位变化。步骤三：数据预处理方法，包括数据按小时分组，数据批次按5分钟为间隔，1小时12个值为1批。步骤四：数据归一化方法，管网水位数据有其特殊性，不应按常规方式进行归一化处理，换算管网充满度，即用当前水位值除以管网直径得到的数据即为归一化后的数据，值大小介于0～1之间。步骤五：模型训练与学习方法，利用LSTM模型训练学习时，通过多场次降雨事件进行遗忘状态值的调优。2.根据权利要求1所述的基于LSTM模型的水位预测方法，其特征在于：从时间上来看，同一个空间区域内，在当前时刻t，通过LSTM的遗忘门读取上一时刻的输出值与当前时刻输入值，其中所述当前时刻输入值为历史数据中某场次降雨的水位数据；通过LSTM的sigmoid函数确定一个遗忘状态值F
t
，所述遗忘状态值介于0～1之间，通过LSTM的输入门生成输入状态值，所述输入状态值样介于0～1之间；通过LSTM的tanh函数和输入值、上一时刻的输出值，预测所述预设同一时期下一时刻的水位数据。3.根据权利要求1
‑
2所述的基于LSTM模型水位预测方法构建的管网水位预测系统，其特征在于：所述系统包括有监测布点模块、设备管理模块、实时数据模块、数据检修模块、数据分析模...

【专利技术属性】
技术研发人员：盛政，王佳佳，雷唤，董贵安，章飞月，施沈科，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：