[发明专利]基于时空注意力的序列到序列多步长洪水预报方法及装置

权利要求书

1.一种基于时空注意力的序列到序列多步长洪水预报方法，其特征在于，包括以下步骤：

获取研究流域的流量、极端台风气候降雨数据，根据降雨特征数将每个时间步的台风降雨用序列表示，根据流量特征数将每个时间步的流量用序列表示，最后将k个时间步长降雨序列及流量序列拼接成输入矩阵X；

将输入矩阵X划分为k个m+n维特征向量；

分别计算每个特征向量的空间注意力权重；

动态分配每个输入特征的权重，对输入矩阵X添加空间注意力模型，获得包含空间注意力权重的输入矩阵X′；

构建GRU编码器并输入包含空间注意力权重的输入矩阵X′，输出编码器隐藏层序列H及上下文编码向量c；

构建GRU解码器并输入上一时刻的输出序列及上下文编码向量c，输出解码器隐藏层序列H′；

利用GRU编码器和GRU解码器每个时间步隐藏层状态计算时间注意力权重β_T；

对时间注意力权重和编码器隐藏层状态进行矩阵乘法，将时间注意力权重分配到输入的每个时间步，得到最终的注意力隐藏状态H^at；

将GRU编码器得到的上下文编码向量c作为GRU的初始隐藏状态，以及将前一时刻GRU的输出值输入到GRU解码器中，并结合注意力隐藏状态和解码器隐藏状态进行激活得到多步长预测结果。

2.根据权利要求1所述的基于时空注意力的序列到序列多步长洪水预报方法，其特征在于，所述输入矩阵X的表达式如下：

所述k个m+n维特征向量的表达式分别如下：

式中，y_T¹～y_Tⁿ为单个时间步内的降雨及流量数据，T为时间，m、n为单个时间步内降雨和流量序列特征数，k为输入的时间步长。

3.根据权利要求1所述的基于时空注意力的序列到序列多步长洪水预报方法，其特征在于，所述分别计算每个特征向量的空间注意力权重的步骤，包括：

将输入的k个特征向量x₁～x_k，依次通过函数Sigmoid激活，映射到(0,1)区间：

式中，x为单个时间步特征向量中的降雨及流量数据，即y_T¹～y_Tⁿ；

利用函数Softmax进行归一化，计算得到的特征向量比重即为空间注意力权重：

式中，αⁱ为空间注意力权重，xⁱ为特征向量中经过Sigmoid激活的降雨及流量数据。

4.根据权利要求3所述的基于时空注意力的序列到序列多步长洪水预报方法，其特征在于，所述动态分配每个输入特征的权重，对输入矩阵X添加空间注意力模型，获得包含空间注意力权重的输入矩阵X′的步骤，包括：

获取每个时间步特征向量的空间注意力权重

再根据下式计算出添加空间注意力项后的模型输入特征向量x'_k及模型输入矩阵X′：

式中，·为Hadamard乘积，即元素乘积运算。