【技术实现步骤摘要】
本专利技术属于水务监测，具体涉及一种雨水管道溢流预测方法、电子设备及存储介质。
技术介绍
1、由于城市化进程加速，城市排水系统的建设和发展也在不断推进。在过去的一段时间里，城市排水管道长度持续增加，其中雨水管道的长度也呈现出增长的趋势。雨水管道可以有效地收集屋顶、平台、道路等建筑物上产生的雨水，避免雨水过多积聚，减少水患的风险。雨水管道将积聚在地面的雨水排放到下水道、河流或其他合适的排放口，避免雨水滞留和冲刷，确保城市的正常运行和居民的正常生活。有效健康的雨水管道系统能够减少城市内涝的风险，保护居民的生命财产安全。
2、综上所述，保证雨水管道的正常使用就是在确保人民的生命财产安全，但是现实中总会发生意外情况，比如管道溢流，一旦在雨天特别是强降雨天气发生管道溢流就可能会产生内涝，破坏城市的正常运行状态，因此一个能够及时判断溢流事件发生的有效手段至关重要，然而，在中国乃至世界范围内，城市雨水管网运行的溢流监测手段非常有限。对于雨水管网溢流的发生和解决，往往主要依靠人员检查的手段，对雨水管网溢流的地方进行检测，然后采取措施。
3、目前已提出的，通过swmm水务模型模拟城市雨水管网情况以及通过数学建模方式来预测溢流事件还存在很多局限性。对于swmm模型方法，该方法每一次模拟都需要大量数据，且实际现有数据往往都无法满足swmm模型的特定要求，这极大降低了建模效率以及预测准确率。对于数学建模方法，该方法需要大量计算，时间成本较高，准确性与计算方法有较高的相关性。这两种方法都需要消耗大量人工成本，并且时效性差，往往不能
技术实现思路
1、本专利技术要解决的问题是对雨水管道溢流进行精确预测，提出一种雨水管道溢流预测方法、电子设备及存储介质。
2、为实现上述目的，本专利技术通过以下技术方案实现：
3、一种雨水管道溢流预测方法，包括如下步骤：
4、s1.采集雨水管道溢流数据，包括流量、液位、降雨量、管径以及坡度，然后组成雨水管道时间序列数据集；
5、s2.对步骤s1得到的雨水管道时序数据集中的数据进行数据预处理，包括缺失值处理、异常值处理、噪声处理及标准化处理，得到用于雨水管道溢流预测的数据集，待用；
6、s3.构建雨水管道溢流预测模型；
7、s4.利用步骤s2得到的用于雨水管道溢流预测的数据集，结合遗传算法对步骤s3构建的雨水管道溢流预测模型进行训练，得到训练好的雨水管道溢流预测模型；
8、s5.使用步骤s4训练好的雨水管道溢流预测模型进行雨水管道溢流事件预测。
9、进一步的，步骤s2的具体实现方法包括如下步骤：
10、s2.1.对步骤s1采集的雨水管道溢流数据使用深度学习插补方法brits来填补流量、液位以及降雨量的缺失值；
11、s2.2.对步骤s2.1缺失值处理后的数据使用卡尔曼滤波方法来处理雨水管道溢流预测相关时间序列数据的异常值与噪声；
12、s2.3：将经过步骤s2.2处理的数据进行标准化处理，表达式为：
13、
14、其中，min(x)为x的最小值，max(x(为x的最大值。
15、进一步的，步骤s3的具体实现方法包括如下步骤：
16、s3.1.构建雨水管道溢流预测模型，包括输入层、bilstm层、注意力层、全连接层以及输出层组成经过预处理的雨水管道时间序列数据通过输入层先经过bilstm层提取上下文信息并融合，然后经过注意力层计算不同时刻数据的特征状态对预测值的注意力值，得到时间序列各项数据与预测值的关联性，最后全连接层对注意力层输出的数据进行输出计算，得到输出层的预测值；
17、s3.2.对bilstm层设置正态分布随机初始化bilstm的正向lstm和反向lstm的网络参数，将t时刻雨水管道数据输入到lstm单元，lstm内部的输入门会率先对雨水管道序列数据的信息进行提取，表达式为：
18、it＝σ(wi·[ht-1,xt]+bi)
19、
20、其中，ht-1为t-1时刻的雨水管道数据序列状态，xt为t时刻的输入，σ为sigmoid激活函数，it为更新网络的值，为当前时刻输入雨水管道数据的候选信息，wi、bi、wc、bc为输入门的权重矩阵；
21、为了过滤和分类无关的数据信息，将xt输入到遗忘门进行特征过滤，计算公式为：
22、ft＝σ(wf·[ht-1,xt]+bf)
23、其中，wf与bf为遗忘门的权重矩阵；
24、将遗忘门与输入门结合起来得到新的序列信息ct，计算公式为：
25、
26、最后经过输出门将得到lstm的最终输出，最后将bilstm的正反向lstm输出合并得到bilstm网络的输出，其计算公式为：
27、ot＝σ(wo·[ht-1,xt]+bo)
28、
29、
30、其中，wo与bo为输出门权重，为正向lstm与反向lstm得到的输出序列向量，为正向lstm输出，为反向lstm输出，ρt为正反向lstm合并结果；
31、然后bilstm的输出经过注意力层计算不同时刻数据的特征状态对预测值的注意力值，具体计算公式为：
32、
33、其中，q、k、v分别为查询矩阵、索引矩阵、内容矩阵，其计算公式为：
34、q＝wqx
35、k＝wkx
36、v＝wvx
37、其中，wq、wk、wv为权重矩阵，最终注意力层输出经过全连接层计算得到预测模型的最终输出。
38、进一步的，步骤s4的具体实现方法为设置训练过程结合遗传算法优化对网络层数与每层节点数这两个网络参数进行优化，其余参数通过观察进行手动调整，遗传算法流程如下：
39、s4.1.设置bilstm网络层数与网络节点数参数范围，然后初始化遗传算法种群，即随机生成种群个体，然后根据每个个体训练模型，接着计算种群中个体适应度，将网络输出的预测值与真实值绝对误差的倒数作为个体的适应度值fitness，具体公式如下：
40、
41、其中，y与分别代表真实值与预测值，n为预测值个数；
42、s4.2.当确定每个个体适应度值之后，使用轮盘赌选择算法进行选择操作，根据适应度大小将所有个体的适应度值占总适应度值的比例作为概率分布，然后随机生成一个0到1之间的随机数，找到概率分布函数上第一个大于等于该随机数的点所对应的个体，个体选择概率的计算公式为：
43、
44、其中，fitnessi与fitnessj为第i个与第j个个体在种群中的适应度，p(i)为排名为i的个体被选中的概率，j为种群中个体总数；
45、s4.3.进行交叉与变异操作，对于交叉操作为随机选择两个父代个体，随机选择一个交叉位置，本文档来自技高网...
【技术保护点】
1.一种雨水管道溢流预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种雨水管道溢流预测方法，其特征在于，步骤S2的具体实现方法包括如下步骤：
3.根据权利要求1或2所述的一种雨水管道溢流预测方法，其特征在于，步骤S3的具体实现方法包括如下步骤：
4.根据权利要求3所述的一种雨水管道溢流预测方法，其特征在于，步骤S4的具体实现方法为设置训练过程结合遗传算法优化对网络层数与每层节点数这两个网络参数进行优化，其余参数通过观察进行手动调整，遗传算法流程如下：
5.一种电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1-4任一项所述的一种雨水管道溢流预测方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4任一项所述的一种雨水管道溢流预测方法。
【技术特征摘要】
1.一种雨水管道溢流预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种雨水管道溢流预测方法，其特征在于，步骤s2的具体实现方法包括如下步骤：
3.根据权利要求1或2所述的一种雨水管道溢流预测方法，其特征在于，步骤s3的具体实现方法包括如下步骤：
4.根据权利要求3所述的一种雨水管道溢流预测方法，其特征在于，步骤s4的具体实现方法为设置训练过程结合遗传算法优化对网络层数与...
【专利技术属性】
技术研发人员：陆林，周全，赵辉，闫博，薄海洋，刘源，
申请(专利权)人：哈尔滨航天恒星数据系统科技有限公司，
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。