[发明专利]用于实时预测水坝水位和危险等级的系统和方法

说明书

本发明涉及用于水坝的水位预测系统，系统包括水位预测模块，其配置成：(a)实时接收与水坝的水位有关的时间序列数据；以及(b)通过处理在一种或多种预测模型/公式/算法中接收到的时间序列数据，实时预测水坝的未来水位。一个或多个预测模型/公式/算法可以包括循环神经网络(RNN)或RNN模型/算法，循环神经网络(RNN)或RNN模型/算法配置/训练成通过使用在RNN或RNN模型/算法中接收到的时间序列数据来实时预测水坝的未来水位。水位预测模块还可包括至少一个统计模型/算法，至少一个统计模型/算法配置/训练成通过使用统计模型/算法中接收到的时间序列数据实时预测水坝的未来水位。

背景技术

本发明涉及水坝的水位预测系统和危险等级预测系统。本发明还涉及一种用于预测水坝的水位或危险等级的方法。

南非(SA)拥有密集的水坝基础设施[1]。南非的水和卫生部门的出版物显示：在2016年，南非有5226个注册水坝[2]。由于南非是世界上降雨量最少的国家之一，并且由于阳光充沛导致南非的地表水很少，因此有必要对如此庞大的基础设施进行投资[3]。因此，需要这些水坝来保存可用于工业、农业和家庭目的的水。

此外，由于较大型的水坝通常已有30多年的历史，因此必须通过遵守大量安全法规来确保水坝的基础设施完整性[4]。安全法规检查由经过批准的专业人员(APP)进行处理。这些APP主要是经过专业认证的工程师、技术专家和技术人员。这些人的主要功能之一是定期检查水坝的各种参数，并对水坝的危险等级(高、显著或低)进行分类。

鉴于南非目前技术技能的缺乏，因此这些经过批准的专业人员的数量很少。一项估计表明，目前南非少于100位经过批准的专业人员。由于经过批准的专业人员如此之少，因此水坝的安全检查是一个挑战。根据另一项统计，由于经过批准的专业人员的数量较少，在2014至2015年，仅可以对目标水坝数量的58％进行检查。

过去，一些研究已经使用了各种技术来预测水坝的水位。过去已使用统计技术(例如自回归移动平均模型(ARMA)[5])和基于人工智能(AI)的方法，(例如以反向传播算法为基础的前馈神经网络[6,7,8])，来预测水坝的水位。

然而，据发明人所知，基于实时数据提取和随后的预测还没有任何出版的作品。

此外，虽然基于反向传播算法的前馈神经网络能够以较高的准确度预测输出，但它们无法捕获时间序列数据所特有的滞后时间感。

水坝危险预测/水坝安全管理领域的一些值得注意的指南和报告由国际大坝委员会[9]、澳大利亚大坝国家委员会[10]和加拿大指南[11]提出。尽管这些报告提供了有关水坝安全各个方面的详细说明，但它们的目的是提供通用指南，而不是在监督的机器学习(ML)框架方面处理预测水坝危险的特定方面。在与本发明有关的工作中，Danso-Amoako等人[12]使用具有误差反向传播的单隐层人工神经网络来预测具有40个特征和5000个数据点的水坝风险(该水坝风险作为连续值特征，因此其是回归问题)。

但是，为了创建模型进行分类进而实时预测水坝的潜在危险，发明人并没有意识到在监督的机器学习(ML)框架方面进行的大量工作。

发明人希望解决上述至少一些难题/问题。

参考文献列表

[1]National Water Act of South Africa(1998)(NATIONAL WATER ACT,Act No36of 1998.http://www.dwa.gov.za/Documents/Legislature/nw_act/NWA.pdf)