[发明专利]基于多维水文信息的LSTM流域径流量预测方法

权利要求书

1.基于多维水文信息的LSTM流域径流量预测方法，其特征在于，包括以下步骤：

(1)从代表性子流域水文控制站点的水文历史数据得到年径流量、径流量序列中的多年径流量平均值、月降雨量和降雨量序列中的多个月降雨量平均值，根据日志文件中的年径流量及执行计算的时间，创建数据中心径流历史水文数据库；然后进行计算，得到年累积距平值和月降雨距平百分率；；

(2)将数据中心径流历史水文数据库中的中心径流历史数据划分为多个时间段，并确定需要进行预测工作负载的未来时间段和用于训练模型的时间段，然后对中心径流历史数据进行时间尺度统一及归一化处理；

(3)同样取步骤二中完成数据处理的需要进行预测工作负载的未来时间段，以该未来时间段的未知工作负载预测作为输出，与该未来时间段相邻时间段的已知的降雨量、年河流阶段性变化、降雨距平百分率作为输入，采用包括输入、隐藏和输出的经典三层LSTM神经网络模型，对该未来时间段的径流量进行预测；

(4)引入权值，以融合步骤二和步骤三的预测值，得到最终工作负载预测的径流量值；

(5)以预测时段径流量数据更新数据中心径流历史水文数据库，循环执行第二、三、四步预测水文数据。

2.根据权利要求1所述的基于多维水文信息的LSTM流域径流量预测方法，其特征在于，步骤(1)中，所述计算为通过计算公式(1)和计算公式(2)，得到年累积距平值和月降雨距平百分率：

计算公式(1)为：式中LR_i表示第i年的累积距平值，R_i表示第i年的径流量，表示径流量序列中的多年径流量平均值；

计算公式(2)为：式中M_i表示第i月降雨距平百分率，R_i表示第i月的降雨量，表示降雨量序列中的多个月降雨量平均值。

3.根据权利要求3所述的基于多维水文信息的LSTM流域径流量预测方法，其特征在于，所述步骤(2)，将中心径流历史数据作为三元组W＝＜R，A，C＞，其中R是月累计降雨量，A是降雨距平百分率，C是径流年阶段性变化，分为平水年、丰水年、枯水年，分别用1，2，3作为数据输入，通过计算公式(3)对即将输入模型的启动数据集W进行时间尺度统一和归一化处理：

计算公式(3)为：其中max为样本数据的最大值，min为样本数据的最小值。