[发明专利]一种基于Conv-Transformer的洪水预报方法

权利要求书

1.一种基于Conv-Transformer的洪水预报方法，其特征在于：包括以下步骤：

步骤S1、收集研究的大型流域的水文历史数据；

步骤S2、将收集到的所述水文历史数据进行数据预处理；

步骤S3、对已进行过数据预处理的数据通过基于卷积运算的长短期记忆网络进行相对位置编码，然后通过Transformer子模块对已经进行过空间信息提取的水文历史数据进行时间特征建模；

步骤S4、通过寸滩流域在每个阶段经过模型得到的预测值来测试预报模型性能，并且通过评估标准对模型的输出数据进行分析，完成洪水预报。

2.根据权利要求1所述的一种基于Conv-Transformer的洪水预报方法，其特征在于：收集水文数据时，包括流域内历史气象数据和流域出口断面的历史流量数据，数据预处理包括数据清洗、数据变换以及数据集划分。

3.根据权利要求1所述的一种基于Conv-Transformer的洪水预报方法，其特征在于：

步骤S2.1、所述步骤S2中对水文历史数据的预处理包括据预处理包括数据清洗、数据变换、归一化；

步骤S2.2、所述步骤S2中对水文历史数据的预处理包括二维输入矩阵的构建；

步骤S2.3、将步骤S2中预处理的数据前80％作为训练集，后20％数据作为测试集。

4.根据权利要求1所述的一种基于Conv-Transformer的洪水预报方法，其特征在于：

步骤S3.1、使用基于卷积运算的长短期记忆神经网络进行相对位置编码，通过完善对全局特征信息的学习来提取空间信息，并提升了模型对长期依赖性信息的学习能力；

步骤S3.2、经过全连接层实现线性化；

步骤S3.3、通过Transformer子模块的多头自注意力机制，对已经进行过空间信息提取的水文历史数据进行时间特征建模。

5.根据权利要求1所述的一种基于Conv-Transformer的洪水预报方法，其特征在于：

步骤S4.1、输入所述预测值测试所述预报模型性能，判断整个模型损失函数值的大小变化趋势，直到损失函数值呈递减趋势，趋于平缓；

步骤S4.2、使用测试集所得的数据评估模型性能，从而通过改变模型参数对模型进行改进，具体为使用三种评估标准评估基于注意力机制的洪水预报结果，所述三种评估标准为平均绝对误差、决定系数和均方根误差；

步骤S4.3、输出模型预测结果。