【技术实现步骤摘要】
本申请涉及水环境治理，尤其涉及一种训练方法、区域雨水径流污染负荷预测方法及装置。
技术介绍
1、雨水径流污染负荷计算是水环境治理的基础依据。现有对雨水径流污染负荷计算通常基于对长时间（1年以上）、大量实测数据（至少数十场次）进行统计分析和计算得到，而该方式需要实时、实地采样监测雨水径流污染负荷，因此具有周期长、成本高等问题，且降雨每年存在季节性和随机性，实际操作过程中得到的结果误差较大，不能满足水环境治理工程设计的时效性和准确性要求。
2、现有方式中还提出通过模型进行雨水径流污染负荷预测，从而减少采样周期和成本，但已有模型仍依赖于待测区域的大量监测数据，由于降雨监测的不确定性，现存的监测数据中往往存在大量异常和无效数据，已有模型仍缺乏对异常、无效数据的筛选训练，最终影响模型预测的准确性且异常和无效数据的处理会导致模型处理效率低。
技术实现思路
1、本申请提供一种训练方法、区域雨水径流污染负荷预测方法及装置，用以解决预测模型数据处理量大、准确性低的问题。
2、第一方面，本申请提供一种预测模型训练方法，包括：获取区域的历史雨水径流污染负荷数据以及所述区域的历史特征数据；其中，所述历史特征数据包括表征属性数据类别以及表征气象数据类别的特征数据；基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据；基于所述待训练特征数据和所述历史雨水径流污染负荷数据对初始的预测模型进行训练，得到用于区域雨水径流污染负荷预测的
3、在一种可实现方式中，所述历史特征数据包括所述多个区域的下垫面数据；所述获取区域的历史雨水径流污染负荷数据，包括：获取所述下垫面数据对应下垫面的单次雨水径流污染负荷数据；基于所述下垫面数据中下垫面的面积和所述单次雨水径流污染负荷数据，获取表征所述区域雨水径流污染负荷的历史雨水径流污染负荷数据。
4、在一种可实现方式中，所述区域的数量为多个；所述基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据，包括：基于各区域的历史特征数据进行聚类处理，得到各区域对应的区域类别；基于各区域类别中历史雨水径流污染负荷数据和历史特征数据之间的相关性数值，在各区域类别中的历史特征数据中进行筛选，得到各区域类别所对应的待训练特征数据，以基于各区域类别的待训练特征数据和历史雨水径流污染负荷数据训练得到对应区域类别的预测模型。
5、在一种可实现方式中，所述历史特征数据包括多个特征类别所对应的特征数据；所述基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据，包括：分别获取所述历史雨水径流污染负荷数据与各特征数据之间的相关性数值；基于各特征数据所对应的相关性数值的大小，在所述多个特征类别所对应的特征数据中筛选得到所述待训练特征数据。
6、第二方面，本申请提供一种区域雨水径流污染负荷预测方法，包括：获取目标区域的目标特征数据；其中，所述目标特征数据包括表征属性数据类别的特征数据以及表征气象数据类别的特征数据；基于所述目标特征数据获取预设特征类别，以基于所述预设特征类别对所述目标区域特征数据进行筛选，并将进行筛选后的目标特征数据输入至预先训练的预测模型，得到所述预测模型所输出的目标区域的雨水径流污染负荷数据；其中，所述预设特征类别基于历史雨水径流污染负荷数据与历史特征数据中各特征类别对应的特征数据之间的相关性数值得到。
7、在一种可实现方式中，所述预测模型包括多个，不同的预测模型对应不同区域类别，不同区域类别对应不同的预设特征类别；所述基于所述目标特征数据获取预设特征类别，以基于所述预设特征类别对所述目标区域特征数据进行筛选，并将进行筛选后的目标特征数据输入至预先训练的预测模型，得到所述预测模型所输出的目标区域的雨水径流污染负荷数据，包括：基于所述目标特征数据对所述目标区域进行分类，得到所述目标区域的目标区域类别；基于所述目标区域类别中的预设特征类别，在所述目标区域数据中筛选所述特征类别对应的特征数据，得到筛选后的目标区域特征数据；将所述筛选后的目标区域特征数据输入至所述目标区域类别所对应的训练后的训练模型，得到所述目标区域的雨水径流污染负荷数据。
8、第三方面，本申请提供一种预测模型训练装置，包括：历史数据获取模块，被配置为获取区域的历史雨水径流污染负荷数据以及所述区域的历史特征数据；其中，所述历史特征数据包括表征属性数据类别的特征数据以及表征气象数据类别的特征数据；数据处理模块，被配置为基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据；模型训练模块，被配置为基于所述待训练特征数据和所述历史雨水径流污染负荷数据对初始的预测模型进行训练，得到用于区域雨水径流污染负荷预测的预测模型。
9、第四方面，本申请提供一种区域雨水径流污染负荷预测装置，包括：目标数据获取模块，被配置为获取目标区域的目标特征数据；其中，所述目标数据包括表征属性数据类别的特征数据以及表征气象数据类别的特征数据；预测模块，被配置为基于所述目标特征数据获取预设特征类别，以基于所述预设特征类别对所述目标区域特征数据进行筛选，并将进行筛选后的目标区域特征数据输入至预先训练的预测模型，得到所述预测模型所输出的目标区域的雨水径流污染负荷数据。
10、第五方面，本申请提供一种电子设备，电子设备包括：处理器、存储器；所述存储器用于存储指令；所述处理器用于执行所述存储器中的指令，使得所述电子设备执行如第一方面所述的预测模型的训练方法或如第二方面所述的区域雨水径流污染负荷预测方法。
11、第六方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的预测模型的训练方法或如第二方面所述的区域雨水径流污染负荷预测方法。
12、第七方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的预测模型的训练方法或如第二方面所述的区域雨水径流污染负荷预测方法。
13、本申请提供的训练方法、区域雨水径流污染负荷预测方法及装置，通过获取区域中表征属性和气象的历史特征数据以及获取历史雨水径流污染负荷数据，并计算历史特征数据与历史雨水径流污染负荷数据之间的相关性数值，筛选与历史污染负荷数据的相关性较大的待训练特征数据，从而去除历史特征数据中的无效数据，提高训练数据的准确性，提高训练所得到的预测模型的准确度，并降低用以对预测模型进行训练的待训练特征数据的体量，降低模型训练的工作量，提高模型训练的效率。
本文档来自技高网...【技术保护点】
1.一种预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述历史特征数据包括所述区域的下垫面数据；所述获取区域的历史雨水径流污染负荷数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述区域的数量为多个；所述基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述历史特征数据包括多个特征类别所对应的特征数据；所述基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据，包括：
5.一种区域雨水径流污染负荷预测方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述预测模型包括多个，不同的预测模型对应不同区域类别，不同区域类别对应不同的预设特征类别；所述基于所述目标特征数据获取预设特征类别，以基于所述预设特征类别对所述目标区域特征数据进行筛选，并将进行筛选后的目标特征数据输入至预先训练的预测模型，得到所述预测
7.一种预测模型训练装置，其特征在于，包括：
8.一种区域雨水径流污染负荷预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：处理器、存储器；所述存储器用于存储指令；所述处理器用于执行所述存储器中的指令，使得所述电子设备执行如权利要求1至4中任一项所述的预测模型的训练方法或如权利要求5至6中任一项所述的区域雨水径流污染负荷预测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至4中任一项所述的预测模型的训练方法或如权利要求5至6中任一项所述的区域雨水径流污染负荷预测方法。
11.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的预测模型的训练方法或如权利要求5至6中任一项所述的区域雨水径流污染负荷预测方法。
...【技术特征摘要】
1.一种预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述历史特征数据包括所述区域的下垫面数据；所述获取区域的历史雨水径流污染负荷数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述区域的数量为多个；所述基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述历史特征数据包括多个特征类别所对应的特征数据；所述基于所述历史雨水径流污染负荷数据与所述历史特征数据之间的相关性数值，在所述历史特征数据中筛选得到待训练特征数据，包括：
5.一种区域雨水径流污染负荷预测方法，其特征在于，包括：
6.根据权利要求5所述的方法，其特征在于，所述预测模型包括多个，不同的预测模型对应不同区域类别，不同区域类别对应不同的预设特征类别；所述基于所述目标特征数据获取预设特征类别，以基于所述预设特征类别对所述目标区域特征数据进行筛选，并将进行筛选后的目标特征...
【专利技术属性】
技术研发人员：陈亚松，张文龙，赵云鹏，王殿常，朱雅婷，唐洋博，李翀，
申请(专利权)人：长江三峡集团实业发展北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。