一种基于改良后Transformer神经网络模型预测城市排水管网流量的方法技术

本发明专利技术提出了一种基于改良后Transformer神经网络模型的城市排水管网流量预测方法，包括步骤：S1、通过构建降雨参数化引擎，模拟不同条件下的降雨过程，生成降雨数据集。S2、利用校准后的物理模型，根据降雨数据计算出相应的排口流量，形成流量数据集。S3，对数据进行预处理，包括构建数据集、删除无效数据、补齐特征和标签，以形成训练和验证数据集。S4、构建RO‑former模型，该模型采用编码器‑解码器架构，通过动态掩码和交叉注意力机制处理降雨与流量数据。S5、通过损失函数对模型进行训练和优化，得到可用于实时预测城市排水管网流量的模型。此方法提高了城市排水管网流量预测的准确性和效率，对城市内涝预警和排水管理具有重要意义。

【技术实现步骤摘要】

本专利技术涉及城市排水管网流量预测技术，特别是涉及一种基于改良后transformer神经网络模型预测城市排水管网流量的方法。

技术介绍

1、传统城市排水管网流量预测是通过产汇流机理模型进行的。这些产汇流模型主要包括降雨产流和净雨汇流两个计算部分。在产流计算中，常用的方法包括径流系数法、下渗曲线法、蓄满产流法、scs曲线法等，这些方法在城市区域的产流计算中被广泛应用，但其计算精度受到城市地表复杂特性的影响。在汇流计算中，推理公式法、等流时线法、线性或非线性水库法、马斯京根法等水文学方法，以及求解圣维南方程的水动力学方法被用于计算城市区域的汇流情况。机理模型能够分析水体从降雨、产流、汇流到最终在河道流动的各个环节，清晰解释河道水动力和流量过程，在城市排水系统管理和防洪决策中具有重要的指导意义。然而，尽管机理模型具有一定的解释性，但在实际建模过程中存在一系列问题和难点。构建精确的产汇流模型需要大量详细的输入数据，如排水系统数据、降雨数据、下垫面数据等，且模型规模较大时需使用接口工具辅助数据输入和管理。模型前处理工作复杂且耗时耗力，如梳理排水系统拓扑关系、划分子本文档来自技高网...

【技术保护点】

1.一种基于改良后Transformer神经网络模型预测城市排水管网流量的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，降雨数据生成通过参数化引擎模拟不同重现期、历时和峰值系数下的降雨过程，生成具有代表性的降雨数据集，且降雨场数不少于预设阈值。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2中，流量数据模拟通过将生成的降雨数据输入经过校准的物理模型，计算得到对应排口的流量过程，形成流量数据集，且物理模型为经过校正的水文水动力学模型。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，数据预处...

【技术特征摘要】

1.一种基于改良后transformer神经网络模型预测城市排水管网流量的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤s1中，降雨数据生成通过参数化引擎模拟不同重现期、历时和峰值系数下的降雨过程，生成具有代表性的降雨数据集，且降雨场数不少于预设阈值。

3.根据权利要求1所述的方法，其特征在于，所述步骤s2中，流量数据模拟通过将生成的降雨数据输入经过校准的物理模型，计算得到对应排口的流量过程，形成流量数据集，且物理模型为经过校正的水文水动力学模型。

4.根据权利要求1所述的方法，其特征在于，所述步骤s3中，数据预处理包括构建数据集，将降雨过程和排口流量过程作为输入和标签，通过数据加载器对数据进行分批次处理，并动态删除无效数据，补齐特征和标签，形成训练和验证数据集。

5.根据权利要求1所述的方法，其特征在于，所述步骤s4中，深度学习模型构建的编码器通过动态掩码机制识别有效数据位置，且编码器包括多头注意力模块和前馈神经网络模块，其中多头注意力模块通过动态掩码机制过滤无效数...

【专利技术属性】
技术研发人员：李漫洁，曹政，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：