基于图神经网络的区域地下水时空演化建模与预测方法技术

本发明专利技术公开了基于图神经网络的区域地下水时空演化建模与预测方法，具体按照以下步骤实施：步骤1、收集研究区域数据及预处理；步骤2、构建水文地质约束下的静态边界结构；步骤3、基于傅里叶神经网络提取多尺度时序特征；步骤4、构建基于图注意力网络的空间依赖集成模型；步骤5、引入动态图结构学习建模跨区关联关系；步骤6、基于图傅里叶网络预测地下水位动态变化。本发明专利技术解决了现有地下水预测模型在复杂水文地质条件下时空特征耦合不足，对水文地质异质性适应能力局限，跨区域泛化能力受限的关键技术问题。

【技术实现步骤摘要】

本专利技术属于地下水科学，具体涉及基于图神经网络的区域地下水时空演化建模与预测方法。

技术介绍

1、地下水是陆地水循环的关键组成部分，在维系干旱与半干旱地区的农业生产、生态系统稳定和用水安全方面起着关键支撑作用。作为地下水动态变化的直接反映，地下水位变化将直接影响区域水资源可持续利用、生态环境稳定性以及工农业生产用水安全。然而，受地下水系统的高度空间异质性与非线性动态以及人类活动干扰的多重影响，区域尺度地下水位变化的时空预测面临着巨大挑战。传统的物理模型（如modflow、hydrogeosphere等）基于水文地质参数精确设定，在大尺度区域建模中存在开发成本高、多参数不确定性传递等问题。因此，有必要发展一种高效、精准且具有良好泛化能力的地下水预测新方法。

2、与传统物理建模方法相比，数据驱动技术为地下水预测提供了新的潜力可能性。近年来，随着深度学习技术的发展，长短期记忆网络（long short-term memory，lstm）、门控循环单元（gated recurrent unit，gru）等深度学习建模方法被广泛引入地下水位的预测任务，本文档来自技高网...

【技术保护点】

1.基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，所述步骤1具体按照以下步骤实施：

3.根据权利要求2所述的基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，所述步骤2具体按照以下步骤实施：

4.根据权利要求3所述的基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，所述步骤3中傅里叶神经网络FNN由输入层、嵌入层、傅里叶变换层、频域-时域混合层、多尺度时序卷积层以及输出层构成，并按照此顺序层级从输入层到输...

【技术特征摘要】

1.基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述的基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，所述步骤1具体按照以下步骤实施：

3.根据权利要求2所述的基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，所述步骤2具体按照以下步骤实施：

4.根据权利要求3所述的基于图神经网络的区域地下水时空演化建模与预测方法，其特征在于，所述步骤3中傅里叶神经网络fnn由输入层、嵌入层、傅里叶变换层、频域-时域混合层、多尺度时序卷积层以及输出层构成，并...

【专利技术属性】
技术研发人员：姚莹莹，吴镇江，李珅，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：