【技术实现步骤摘要】
本专利技术涉及水文数据预测，尤其是涉及一种水文时间序列的预测方法、系统、介质及设备。
技术介绍
1、泵站是重要的水利基础工程，准确的水位预测能科学的指导调度人员进行水量调度，尤其是泵站前池水位预测具有重要意义。水位等水文数据具有更新速度快、数据量大、种类复杂等特点，挖掘水文数据中的复杂关系并进行分析，从而用于水文、洪水预报中，逐渐成为人们重点关注的问题。
2、传统的水位预测是基于水文环境建立物理模型再加上人工经验进行的，具有一定的局限性和适用条件。随着人工智能技术的不断进步，神经网络可以从历史数据的变化规律中训练出非线性映射模型，被广泛的应用到水位预测中，包括调水工程水位、湖泊水位、水库水位等。现有的水位预测模型存在预测准确性不高、训练收敛速度低、难以根据不同特征之间的相关性进行分析数据。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种水文时间序列的预测方法、系统、介质及设备，通过时序卷积扩大感受野，从而扩大特征提取范围，通过旋转矩阵编码相对位置信息，直接对原始数据向量进行旋转，掘相邻数据之间的依赖关系，充分利用原始数据，没有添加位置向量，模型预测效果好。
2、为达到上述目的，本专利技术是采用下述技术方案实现的：
3、一方面，本专利技术提供了一种水文时间序列的预测方法，包括：
4、获取水文时间序列；
5、将所述水文时间序列依次进行时序卷积和维度调整，得到维度调整后的水文特征；
6、将所述维
7、所述水文预测模型的处理步骤包括：
8、采用旋转矩阵对所述维度调整后的水文特征进行相对位置编码，得到含有位置信息的水文特征；
9、采用编码器对含有位置信息的水文特征进行稀疏相关性计算和特征压缩，得到水文特征图；
10、采用解码器对含有位置信息的水文特征进行掩码操作和稀疏相关性计算，得到含有掩码的水文特征，将所述含有掩码的水文特征与所述水文特征图进行稀疏相关性计算，得到输出特征图；
11、采用第二全连接层对所述输出特征图进行预测，得到水文时间序列的预测结果。
12、可选的，在所述水文序列进行时序卷积前，利用近距离补插法对所述水文序列进行缺失值填充；
13、当所述水文序列的缺失值为单值时，将缺失值前后两个值的平均值作为缺失值；
14、当所述水文序列的缺失值为多值时，缺失值的公式为：
15、；
16、式中， 为第个缺失值，；为缺失值前面的值；为缺失值后面的值；为缺失值的数量； 为缺失值前面的值的数量。
17、可选的，通过时序卷积模块对所述水文时间序列进行时序卷积，得到水文特征；
18、所述时序卷积模块包括多个相互串联的残差块，所述多个相互串联的残差块的膨胀率依次递增。
19、可选的，每个所述残差块中均引入残差连接，所述水文特征的计算公式为：
20、；
21、式中，为水文特征；为残差映射；为水文时间序列；为第一权重；为第二权重。
22、可选的，所述旋转矩阵的计算公式为：
23、；
24、式中，为旋转角度。
25、可选的，所述含有位置信息的水文特征的计算公式为：
26、；
27、式中，为第个含有位置信息的水文特征矩阵；为第个维度调整后的水文特征矩阵；为矩阵的第一分量；为矩阵的第二分量；为第个位置的旋转矩阵；为第个位置的旋转角度。
28、可选的，所述稀疏相关性的计算公式为：
29、；
30、式中，为查询矩阵；为键矩阵；为特征值矩阵；为softmax函数；为和通过kl散度分析活跃度最高的前个；为键矩阵的转置矩阵；为特征向量维度。
31、第二方面，本专利技术提供了一种水文时间序列的预测系统，包括：
32、数据获取模块，用于获取水文时间序列；
33、时序卷积模块，用于对水文时间序列进行时序卷积；
34、第一全连接层，用于对水文时间序列进行维度调整；
35、编码器，用于对含有位置信息的水文特征进行稀疏相关性计算和特征压缩；
36、解码器，用于对含有位置信息的水文特征进行掩码的稀疏相关性计算，以及对所述掩码特征与所述水文特征图进行稀疏相关性计算；
37、第二全连接层，用于得到水文时间序列的预测结果。
38、第三方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现第一方面所述的水文时间序列的预测方法的步骤。
39、第四方面，本专利技术提供了一种计算机设备，包括：
40、存储器，用于存储计算机指令；
41、处理器，用于执行所述计算机指令以实现第一方面所述的水文时间序列的预测方法的步骤。
42、有益效果
43、与现有技术相比，本专利技术所达到的有益效果：
44、本专利技术通过时序卷积扩大感受野，从而扩大特征提取范围，提取的特征可以覆盖多个有效时间点的信息；通过旋转矩阵编码相对位置信息，直接对原始数据向量进行旋转，挖掘相邻数据之间的依赖关系，充分利用原始数据，没有添加位置向量，预测效果好。
本文档来自技高网...【技术保护点】
1.一种水文时间序列的预测方法，其特征在于，包括：
2.根据权利要求1所述的水文时间序列的预测方法，其特征在于，在所述水文序列进行时序卷积前，利用近距离补插法对所述水文序列进行缺失值填充；
3.根据权利要求1所述的水文时间序列的预测方法，其特征在于，通过时序卷积模块对所述水文时间序列进行时序卷积，得到水文特征；
4.根据权利要求3所述的水文时间序列的预测方法，其特征在于，每个所述残差块中均引入残差连接，所述水文特征的计算公式为：
5.根据权利要求1所述的水文时间序列的预测方法，其特征在于，所述旋转矩阵的计算公式为：
6.根据权利要求1所述的水文时间序列的预测方法，其特征在于，所述含有位置信息的水文特征的计算公式为：
7.根据权利要求6所述的水文时间序列的预测方法，其特征在于，所述稀疏相关性的计算公式为：
8.一种水文时间序列的预测系统，其特征在于，包括：
9.一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，该计算机程序被处理器执行时，实现权利要求1-7中任一项所述的水文时间序
10.一种计算机设备，其特征在于，包括：
...【技术特征摘要】
1.一种水文时间序列的预测方法，其特征在于，包括：
2.根据权利要求1所述的水文时间序列的预测方法，其特征在于，在所述水文序列进行时序卷积前，利用近距离补插法对所述水文序列进行缺失值填充；
3.根据权利要求1所述的水文时间序列的预测方法，其特征在于，通过时序卷积模块对所述水文时间序列进行时序卷积，得到水文特征；
4.根据权利要求3所述的水文时间序列的预测方法，其特征在于，每个所述残差块中均引入残差连接，所述水文特征的计算公式为：
5.根据权利要求1所述的水文时间序列的预测方法，其特...
【专利技术属性】
技术研发人员：钱锐，
申请(专利权)人：南京信息职业技术学院，
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。