闸门开度预测模型训练应用方法技术

本申请涉及一种闸门开度预测模型训练应用方法

【技术实现步骤摘要】
闸门开度预测模型训练应用方法、装置、设备和存储介质


[0001]本申请涉及水利
，特别是涉及一种闸门开度预测模型训练应用方法
、
装置
、
设备和存储介质
。

技术介绍

[0002]水库灌区作为一种典型的水资源供给与调控系统，水库灌区的合理建设能够为周围农田提供充足的灌溉用水，同时保证了周边的生产和生活用水
。
[0003]目前，灌区的调控主要依赖人工经验设置闸门开度，来实现水资源的配送，使得灌区水利工程调控存在误差与时滞，难以实现水资源的精量配送，导致灌溉水利用效率低
。
[0004]然而，是否能够精确控制闸门开度，极大影响水资源的精准配送，所以如何精确控制闸门开度成为当前水利工程中亟待解决的问题
。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够实现精确控制闸门开度的闸门开度预测模型训练应用方法
、
装置
、
设备和存储介质
。
[0006]第一方面，本申请提供了一种闸门开度预测模型训练应用方法，该方法包括：
[0007]获取待预测水渠的水利数据；水利数据包括总输入水流量
、
当前闸门开度
、
流经各闸门的目标水流量中至少一种；
[0008]将水利数据输入至预测网络中进行闸门开度预测，得到待预测水渠中各闸门的目标闸门开度；预测网络由学习网络基于样本水利数据进行训练得到
。
[0009]在其中一个实施例中，该方法还包括：
[0010]获取各种类型的样本水渠的样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据；
[0011]将样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据，输入至学习网络，得到各样本水渠中各闸门的闸门开度和各闸门的目标流量；
[0012]根据金标准流量数据
、
金标准闸门开度数据
、
各样本水渠中各闸门的闸门开度
、
以及各闸门的目标流量，确定目标损失；
[0013]根据目标损失调整学习网络的参数，直至目标损失收敛，得到训练后的预测网络
。
[0014]在其中一个实施例中，学习网络包括预测子网络和评估子网络，将样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据，输入至学习网络，得到各样本水渠中各闸门的闸门开度和各闸门的目标流量，包括：
[0015]将样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据，输入至待训练的预测子网络中进行预测，得到各样本水渠中各闸门的闸门开度；
[0016]将各样本水渠中各闸门的闸门开度和样本水利数据，输入至评估子网络进行评估，得到各闸门的目标流量
。
[0017]在其中一个实施例中，根据金标准流量数据
、
金标准闸门开度数据
、
各样本水渠中
各闸门的闸门开度
、
以及各闸门的目标流量，确定目标损失，包括；
[0018]根据各闸门的目标流量和金标准流量数据，确定第一损失；
[0019]根据各闸门的闸门开度和金标准闸门开度数据，确定第二损失；
[0020]根据第一损失和第二损失，确定目标损失
。
[0021]在其中一个实施例中，根据目标损失调整学习网络的参数，直至目标损失收敛，得到训练后的预测网络，包括：
[0022]根据目标损失调整学习网络中待训练的预测子网络的参数，直至目标损失收敛，并将训练后的预测子网络作为预测网络
。
[0023]在其中一个实施例中，根据目标损失调整学习网络的参数，直至目标损失收敛，得到训练后的预测网络，包括：
[0024]根据目标损失中的第一损失调整学习网络中的评估子网络的参数，直至第一损失收敛，得到训练好的评估子网络；
[0025]根据训练好的评估子网络和预测子网络构建新的学习网络；
[0026]根据目标损失调整新的学习网络中预测子网络的参数，并将训练后的预测子网络作为预测网络
。
[0027]第二方面，本申请还提供了一种闸门开度预测模型训练应用装置，该装置包括：
[0028]待预测水渠的水利数据获取模块，用于获取待预测水渠的水利数据；水利数据包括总输入水流量
、
当前闸门开度
、
流经各闸门的目标水流量中至少一种；
[0029]目标闸门开度预测模块，用于将水利数据输入至预测网络中进行闸门开度预测，得到待预测水渠中各闸门的目标闸门开度；预测网络由学习网络基于样本水利数据进行训练得到
。
[0030]第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0031]获取待预测水渠的水利数据；水利数据包括总输入水流量
、
当前闸门开度
、
流经各闸门的目标水流量中至少一种；
[0032]将水利数据输入至预测网络中进行闸门开度预测，得到待预测水渠中各闸门的目标闸门开度；预测网络由学习网络基于样本水利数据进行训练得到
。
[0033]第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0034]获取待预测水渠的水利数据；水利数据包括总输入水流量
、
当前闸门开度
、
流经各闸门的目标水流量中至少一种；
[0035]将水利数据输入至预测网络中进行闸门开度预测，得到待预测水渠中各闸门的目标闸门开度；预测网络由学习网络基于样本水利数据进行训练得到
。
[0036]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0037]获取待预测水渠的水利数据；水利数据包括总输入水流量
、
当前闸门开度
、
流经各闸门的目标水流量中至少一种；
[0038]将水利数据输入至预测网络中进行闸门开度预测，得到待预测水渠中各闸门的目标闸门开度；预测网络由学习网络基于样本水利数据进行训练得到
。
[0039]上述闸门开度预测模型训练应用方法
、
装置
、
设备和存储介质，该方法通过获取待预测水渠的水利数据，然后将水利数据输入至预测网络中进行闸门开度预测，得到待预测水渠中各闸门的目标闸门开度
。
其中，水利数据包括总输入水流量
、
当前闸门开度
、
流经各闸门的目标水流量中至少一种，预测网络由学习网络基于样本水利数据进行训练得到
。...

【技术保护点】

【技术特征摘要】
1.
一种闸门开度预测模型训练应用方法，其特征在于，所述方法包括：获取待预测水渠的水利数据；所述水利数据包括总输入水流量
、
当前闸门开度
、
流经各闸门的目标水流量中至少一种；将所述水利数据输入至预测网络中进行闸门开度预测，得到所述待预测水渠中各闸门的目标闸门开度；所述预测网络由学习网络基于样本水利数据进行训练得到
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取各种类型的样本水渠的样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据；将所述样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据，输入至所述学习网络，得到各所述样本水渠中各闸门的闸门开度和各所述闸门的目标流量；根据所述金标准流量数据
、
所述金标准闸门开度数据
、
各所述样本水渠中各闸门的闸门开度
、
以及各所述闸门的目标流量，确定目标损失；根据所述目标损失调整所述学习网络的参数，直至所述目标损失收敛，得到训练后的所述预测网络
。3.
根据权利要求2所述的方法，其特征在于，所述学习网络包括预测子网络和评估子网络，所述将所述样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据，输入至所述学习网络，得到各所述样本水渠中各闸门的闸门开度和各所述闸门的目标流量，包括：将所述样本水利数据
、
对应的金标准流量数据和金标准闸门开度数据，输入至待训练的预测子网络中进行预测，得到各所述样本水渠中各闸门的闸门开度；将各所述样本水渠中各闸门的闸门开度和所述样本水利数据，输入至所述评估子网络进行评估，得到各闸门的目标流量
。4.
根据权利要求3所述的方法，其特征在于，所述根据所述金标准流量数据
、
所述金标准闸门开度数据
、
各所述样本水渠中各闸门的闸门开度
、
以及各所述闸门的目标流量，确定目标损失，包括；根据...

【专利技术属性】
技术研发人员：张敏，马为之，郭世圆，王忠静，
申请(专利权)人：清华大学，
类型：发明
国别省市：