本發(fā)明屬于流量預(yù)測(cè)，具體涉及一種河流流量預(yù)測(cè)方法、裝置、電子設(shè)備及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、準(zhǔn)確預(yù)測(cè)河流流量對(duì)于防洪減災(zāi)、水資源配置、生態(tài)環(huán)境保護(hù)以及經(jīng)濟(jì)可持續(xù)發(fā)展具有重要意義。

2、目前，對(duì)于河流流量的預(yù)測(cè)，大都是基于氣象預(yù)報(bào)中心發(fā)布的數(shù)值天氣預(yù)報(bào)來對(duì)未來一段時(shí)間內(nèi)河流的流量進(jìn)行預(yù)測(cè)。然而，由于大氣系統(tǒng)的復(fù)雜性、高度的非線性以及預(yù)報(bào)系統(tǒng)本身的局限性，數(shù)值天氣預(yù)報(bào)的結(jié)果往往存在一定的系統(tǒng)誤差，導(dǎo)致河流的流量預(yù)測(cè)結(jié)果常常與河流的實(shí)際流量存在較大差異。

3、因此，如何提供一種有效的方案，以便更加準(zhǔn)確的對(duì)河流的流量進(jìn)行預(yù)測(cè)，已成為現(xiàn)有技術(shù)中一亟待解決的難題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種河流流量預(yù)測(cè)方法、裝置、電子設(shè)備及計(jì)算機(jī)程序產(chǎn)品，用以解決現(xiàn)有技術(shù)中存在的上述問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、第一方面，本發(fā)明提供了一種河流流量預(yù)測(cè)方法，包括：

4、從多個(gè)氣象預(yù)報(bào)中心獲取待測(cè)河流所在區(qū)域在當(dāng)前時(shí)間點(diǎn)之后的目標(biāo)時(shí)段的第一降水量時(shí)空分布數(shù)據(jù)；

5、將多個(gè)所述第一降水量時(shí)空分布數(shù)據(jù)作為預(yù)先訓(xùn)練的降水量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述待測(cè)河流所在區(qū)域在目標(biāo)時(shí)段的第二降水量時(shí)空分布數(shù)據(jù)，所述降水量預(yù)測(cè)模型包括基于卷積神經(jīng)網(wǎng)絡(luò)的第一模型和基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的第二模型，所述第一模型用于基于多個(gè)所述第一降水量時(shí)空分布數(shù)據(jù)輸出一多維向量，所述第二模型用于將所述多維向量作為輸入，輸出所述第二降水量時(shí)空分布數(shù)據(jù)；

6、將所述第二降水量時(shí)空分布數(shù)據(jù)作為預(yù)先訓(xùn)練的河流流量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述待測(cè)河流中各河流段在所述目標(biāo)時(shí)段的流量時(shí)序數(shù)據(jù)，其中所述河流流量預(yù)測(cè)模型是以所述待測(cè)河流所在區(qū)域在歷史時(shí)段的歷史降水量時(shí)空分布數(shù)據(jù)作為樣本輸入，所述待測(cè)河流中各河流段在所述歷史時(shí)段的歷史流量時(shí)序數(shù)據(jù)作為樣本輸出進(jìn)行訓(xùn)練得到的。

7、基于上述公開的內(nèi)容，本發(fā)明通過從多個(gè)氣象預(yù)報(bào)中心獲取待測(cè)河流所在區(qū)域在當(dāng)前時(shí)間點(diǎn)之后的目標(biāo)時(shí)段的第一降水量時(shí)空分布數(shù)據(jù)；然后將多個(gè)所述第一降水量時(shí)空分布數(shù)據(jù)作為預(yù)先訓(xùn)練的降水量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述待測(cè)河流所在區(qū)域在目標(biāo)時(shí)段的第二降水量時(shí)空分布數(shù)據(jù)，降水量預(yù)測(cè)模型包括基于卷積神經(jīng)網(wǎng)絡(luò)的第一模型和基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的第二模型，第一模型用于基于多個(gè)第一降水量時(shí)空分布數(shù)據(jù)輸出一多維向量，第二模型用于將所述多維向量作為輸入，輸出第二降水量時(shí)空分布數(shù)據(jù)；最后將第二降水量時(shí)空分布數(shù)據(jù)作為預(yù)先訓(xùn)練的河流流量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述待測(cè)河流中各河流段在所述目標(biāo)時(shí)段的流量時(shí)序數(shù)據(jù)。如此，在對(duì)河流流量進(jìn)行預(yù)測(cè)時(shí)，利用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)對(duì)于時(shí)間序列數(shù)據(jù)的分析處理能力，以及卷積神經(jīng)網(wǎng)絡(luò)對(duì)于空間特征數(shù)據(jù)的分析處理能力，結(jié)合兩者的優(yōu)勢(shì)構(gòu)建用于降水量預(yù)測(cè)的降水量預(yù)測(cè)模型，綜合考慮降水?dāng)?shù)據(jù)的時(shí)間特征和空間特征將從多個(gè)氣象預(yù)報(bào)中心獲取的降水量時(shí)空分布數(shù)據(jù)，并基于從多個(gè)氣象預(yù)報(bào)中心獲取的降水量時(shí)空分布數(shù)據(jù)更加準(zhǔn)確的預(yù)測(cè)出待測(cè)河流所在區(qū)域的降水量時(shí)空分布數(shù)據(jù)，進(jìn)而能夠更加準(zhǔn)確的對(duì)河流的流量進(jìn)行預(yù)測(cè)，為河流流域的防汛減災(zāi)提供重要的科學(xué)支撐。

8、在一個(gè)可能的設(shè)計(jì)中，所述方法還包括：

9、將所述待測(cè)河流所在區(qū)域劃分為多個(gè)子區(qū)域；

10、所述將多個(gè)所述第一降水量時(shí)空分布數(shù)據(jù)作為預(yù)先訓(xùn)練的降水量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述待測(cè)河流所在區(qū)域在目標(biāo)時(shí)段的第二降水量時(shí)空分布數(shù)據(jù)，包括：

11、將所述多個(gè)子區(qū)域在當(dāng)前時(shí)間點(diǎn)之后的目標(biāo)時(shí)段的第一降雨量時(shí)序數(shù)據(jù)作為所述降水量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述多個(gè)子區(qū)域在目標(biāo)時(shí)段的第二降雨量時(shí)序數(shù)據(jù)。

12、在一個(gè)可能的設(shè)計(jì)中，所述方法還包括：

13、基于所述待測(cè)河流中各河流段在所述目標(biāo)時(shí)段的流量時(shí)序數(shù)據(jù)，確定出所述待測(cè)河流中各河流段的洪峰數(shù)據(jù)以及洪峰數(shù)據(jù)所對(duì)應(yīng)的時(shí)間。

14、在一個(gè)可能的設(shè)計(jì)中，所述多個(gè)氣象預(yù)報(bào)中心包括歐洲中期天氣預(yù)報(bào)中心、中國(guó)氣象局和美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心。

15、在一個(gè)可能的設(shè)計(jì)中，所述方法還包括：

16、獲取多個(gè)樣本數(shù)據(jù)，每個(gè)樣本數(shù)據(jù)均包括從所述多個(gè)氣象預(yù)報(bào)中心獲取的所述待測(cè)河流的第一歷史降水量時(shí)空分布數(shù)據(jù)；

17、將所述多個(gè)樣本數(shù)據(jù)作為預(yù)先建立的降水量預(yù)測(cè)模型的輸入，所述待測(cè)河流所在區(qū)域在所述多個(gè)樣本數(shù)據(jù)所對(duì)應(yīng)歷史時(shí)段的第二歷史降水量時(shí)空分布數(shù)據(jù)作為降水量預(yù)測(cè)模型的輸出進(jìn)行訓(xùn)練，得到訓(xùn)練好的降水量預(yù)測(cè)模型。

18、在一個(gè)可能的設(shè)計(jì)中，在對(duì)降水量預(yù)測(cè)模型訓(xùn)練過程中，通過非劣性分層遺傳算法對(duì)降水量預(yù)測(cè)模型進(jìn)行調(diào)參。

19、在一個(gè)可能的設(shè)計(jì)中，當(dāng)前時(shí)間點(diǎn)之后的目標(biāo)時(shí)段為當(dāng)前時(shí)間點(diǎn)之后的0-240h。

20、第二方面，本發(fā)明提供了一種河流流量預(yù)測(cè)裝置，包括：

21、獲取單元，用于從多個(gè)氣象預(yù)報(bào)中心獲取待測(cè)河流所在區(qū)域在當(dāng)前時(shí)間點(diǎn)之后的目標(biāo)時(shí)段的第一降水量時(shí)空分布數(shù)據(jù)；

22、第一運(yùn)算單元，用于將多個(gè)所述第一降水量時(shí)空分布數(shù)據(jù)作為預(yù)先訓(xùn)練的降水量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述待測(cè)河流所在區(qū)域在目標(biāo)時(shí)段的第二降水量時(shí)空分布數(shù)據(jù)，所述降水量預(yù)測(cè)模型包括基于卷積神經(jīng)網(wǎng)絡(luò)的第一模型和基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的第二模型，所述第一模型用于基于多個(gè)所述第一降水量時(shí)空分布數(shù)據(jù)輸出一多維向量，所述第二模型用于將所述多維向量作為輸入，輸出所述第二降水量時(shí)空分布數(shù)據(jù)；

23、第二運(yùn)算單元，用于將所述第二降水量時(shí)空分布數(shù)據(jù)作為預(yù)先訓(xùn)練的河流流量預(yù)測(cè)模型的輸入進(jìn)行運(yùn)算，得到所述待測(cè)河流中各河流段在所述目標(biāo)時(shí)段的流量時(shí)序數(shù)據(jù)，其中所述河流流量預(yù)測(cè)模型是以所述待測(cè)河流所在區(qū)域在歷史時(shí)段的歷史降水量時(shí)空分布數(shù)據(jù)作為樣本輸入，所述待測(cè)河流中各河流段在所述歷史時(shí)段的歷史流量時(shí)序數(shù)據(jù)作為樣本輸出進(jìn)行訓(xùn)練得到的。

24、第三方面，本發(fā)明提供了一種電子設(shè)備，包括依次通信相連的存儲(chǔ)器、處理器和收發(fā)器，其中，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述收發(fā)器用于收發(fā)消息，所述處理器用于讀取所述計(jì)算機(jī)程序，執(zhí)行如上述第一方面或第一方面任一可能設(shè)計(jì)所述的河流流量預(yù)測(cè)方法。

25、第四方面，本發(fā)明提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，執(zhí)行第一方面或第一方面任一可能設(shè)計(jì)所述的河流流量預(yù)測(cè)方法。

26、第五方面，本發(fā)明提供了一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，使所述計(jì)算機(jī)執(zhí)行如第一方面或第一方面任一可能設(shè)計(jì)所述的河流流量預(yù)測(cè)方法。

27、有益效果：

28、本發(fā)明提供的河流流量預(yù)測(cè)方法、裝置、電子設(shè)備及計(jì)算機(jī)程序產(chǎn)品，可在對(duì)河流流量進(jìn)行預(yù)測(cè)時(shí)，利用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)對(duì)于時(shí)間序列數(shù)據(jù)的分析處理能力，以及卷積神經(jīng)網(wǎng)絡(luò)對(duì)于空間特征數(shù)據(jù)的分析處理能力，結(jié)合兩者的優(yōu)勢(shì)構(gòu)建用于降水量預(yù)測(cè)的降水量預(yù)測(cè)模型，綜合考慮降水?dāng)?shù)據(jù)的時(shí)間特征和空間特征將從多個(gè)氣象預(yù)報(bào)中心獲取的降水量時(shí)空分布數(shù)據(jù)，并基于從多個(gè)氣象預(yù)報(bào)中心獲取的降水量時(shí)空分布數(shù)據(jù)更加準(zhǔn)確的預(yù)測(cè)出待測(cè)河流所在區(qū)域的降水量時(shí)空分布數(shù)據(jù)，進(jìn)而能夠更加準(zhǔn)確的對(duì)河流的流量進(jìn)行預(yù)測(cè)，為河流流域的防汛減災(zāi)提供重要的科學(xué)支撐，便于實(shí)際應(yīng)用和推廣。