一种基于预训练增强的洪水流量预测方法技术

本发明专利技术公开了一种基于预训练增强的洪水流量预测方法，首先，处理历史水文站数据，生成表示水文站间空间关系的水文站流域拓扑，将所有水文站的时序数据都划分为长度为L的K个时序片段；其次，预训练阶段，随机屏蔽片段，基于面向时序数据的注意力机制构造预训练编码器和预训练解码器，通过预训练编码器学习未屏蔽片段的特征向量，通过预训练解码器解析特征向量并预测屏蔽片段；最后，预测阶段，以水文站的时序片段和水文站流域拓扑为输入，使用预训练阶段的编码器编码所有片段并生成特征向量；基于特征向量和流域拓扑，利用时间注意力块、图注意力网络和门控融合机制，解析向量表示，实现洪水流量预测。本发明专利技术有效的提升了洪水流量预测的效果。

【技术实现步骤摘要】

本专利技术属于洪水预报领域，涉及深度学习技术，具体涉及一种基于预训练增强的洪水流量预测方法。

技术介绍

1、洪水预报是一种非工程的预防洪水灾害措施，建立起有效的高精度洪水流量预测模型，可以有效的规避洪涝灾害，减少人员伤亡和经济损失，具有很强的社会生产意义和应用价值。目前，洪水预报一般采用基于径流过程的水文模型和数据驱动的智能模型两种方式，它们在实际预报中相互补充。径流过程模型基于水文物理过程，考虑河流和降雨的交互作用，但存在许多参数需要校准和估计，且建模难度大；而数据驱动建模则基本不考虑水文过程的物理机制，是以建立输入输出数据之间的最优数学关系为目标的黑箱方法，需要足够的历史数据进行训练。

2、对于大多数数据驱动的洪水流量预测模型而言，通常使用小窗口中的历史数据进行预测，例如使用过去的十二个时间步长(一小时)来预测未来的十二个时间步长，这使得模型对窗口之外的上下文信息是盲目的。考虑到时间序列通常是有噪声的，模型可能很难区分不同上下文中的短期时间序列，难以根据有限的历史数据来准确预测其不同的未来趋势。由于模型输入窗口大小的限制，增强模型对未来洪水本文档来自技高网...

【技术保护点】

1.一种基于预训练增强的洪水流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于预训练增强的洪水流量预测方法，其特征在于，步骤(1)所述水文站数据包括长期历史监测的雨量和流量数据。

3.根据权利要求1所述的一种基于预训练增强的洪水流量预测方法，其特征在于，所述步骤(1)实现过程如下：

4.根据权利要求1所述的一种基于预训练增强的洪水流量预测方法，其特征在于，所述步骤(2)实现过程如下：

5.根据权利要求4所述的一种基于预训练增强的洪水流量预测方法，其特征在于，所述步骤(22)实现过程如下：

<p>6.根据权利要求...

【技术特征摘要】

1.一种基于预训练增强的洪水流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于预训练增强的洪水流量预测方法，其特征在于，步骤(1)所述水文站数据包括长期历史监测的雨量和流量数据。

3.根据权利要求1所述的一种基于预训练增强的洪水流量预测方法，其特征在于，所述步骤(1)实现过程如下：

4.根据权利要求1所述的一种基于预训练增强的洪水流量预测方法，其特征在于，所述步骤(2)实现过程如下：

5.根据权利要求4所述的一种基于预训练增强的洪水流量预测方法，其特征在于，所述步骤(22)实现过程如下：

6.根据权利要求4所述的一种基于预...

【专利技术属性】
技术研发人员：冯钧，夏洋，陆佳民，
申请(专利权)人：河海大学，
类型：发明
国别省市：