基于GCN图卷积神经网络的洪水预警检测方法与系统技术方案

本发明专利技术提供基于GCN图卷积神经网络的洪水预警检测方法与系统，该方法包括：S1、在目标地区布设多个数据采集设备；数据采集设备包括在线监测设备，用于实时获取监测处的原始水流数据；S2、将原始水流数据进行预处理和异常值处理，得到处理后水流数据；S3、将处理后水流数据转化为适合输入神经网络的向量形式，构建水流数据的图结构；S4、构建图卷积神经网络架构，训练与优化网络；采用自适应算法动态调整模型参数，输出层生成洪水预警结果；S5、对历史水流数据与实时水流数据进行训练，构建洪水预警检测模型；S6、使用洪水预警检测模型进行洪水预警预测，将得到的实时洪水预警信息输出至用户界面；该方法能为洪水预警提供更准确和可靠的预测结果。

【技术实现步骤摘要】

本专利技术涉及洪水预警，特别是涉及基于gcn图卷积神经网络的洪水预警检测方法与系统。

技术介绍

1、在城市水务管理中，实时监测与预警水流状态对于防范洪水事件、保障居民生活以及维护基础设施的稳定运行至关重要。然而，传统的水流监测系统往往存在以下缺点：首先，水流网络为复杂拓扑结构，然而，传统水流监测系统一般通过传感器网络收集离散的水流数据，传统水流监测系统难以通过局部的数据准确模拟复杂的网络结构；其次，水流环境在时空上表现出复杂的动态特性，然而，传统水流监测系统通常使用规则或简单的模型进行建模，无法捕捉到复杂的时空关系，影响其对水流动态变化的准确理解；再次，水流数据容易受到各种因素影响，例如管道损坏、压力波动等，但是传统水流监测系统对异常值的识别和处理能力有限，这也大大影响传统水流监测系统的可靠性；另外，传统水流监测系统还存在对水流动态变化的响应滞后的问题，实时性不足，在紧急状况下，洪水预警难以及时有效地传达给相关部门和居民。上述缺陷是本领域技术人员期待克服的。

技术实现思路

1、本专利技术的目的在于克服现有技术本文档来自技高网...

【技术保护点】

1.基于GCN图卷积神经网络的洪水预警检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于GCN图卷积神经网络的洪水预警检测方法，其特征在于，所述在线监测设备为水流传感器、压力传感器以及温度传感器；所述原始水流数据为原始流速数据、原始压力数据以及原始温度数据。

3.根据权利要求2所述的基于GCN图卷积神经网络的洪水预警检测方法，其特征在于，所述数据采集设备还包括图像采集设备，用于实时获取水域的原始图像数据；所述原始图像数据包括原始水面状态信息、原始水域边界信息以及原始雨量分布信息。

4.根据权利要求1所述的基于GCN图卷积神经网络的洪水预...

【技术特征摘要】

1.基于gcn图卷积神经网络的洪水预警检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于gcn图卷积神经网络的洪水预警检测方法，其特征在于，所述在线监测设备为水流传感器、压力传感器以及温度传感器；所述原始水流数据为原始流速数据、原始压力数据以及原始温度数据。

3.根据权利要求2所述的基于gcn图卷积神经网络的洪水预警检测方法，其特征在于，所述数据采集设备还包括图像采集设备，用于实时获取水域的原始图像数据；所述原始图像数据包括原始水面状态信息、原始水域边界信息以及原始雨量分布信息。

4.根据权利要求1所述的基于gcn图卷积神经网络的洪水预警检测方法，其特征在于，所述将原始水流数据进行预处理，并进行异常值处理，得到处理后水流数据，包括：

5.根据权利要求1所述的基于gcn图卷积神经网络的洪水预警检测方法，其特征在于，所述将处理后水流数据转化为适合输入神经网络的向量形式，并构建水流...

【专利技术属性】
技术研发人员：任斌，张浩，何春红，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：