一种联合残差分布与邻域关联的灵活时空信息融合方法、程序、设备及存储介质

本发明属于智慧城市与时空数据处理，具体涉及一种联合残差分布与邻域关联的灵活时空信息融合方法、程序、设备及存储介质。

背景技术：

1、智慧城市建设中，城市排水管网及内涝点的水位监测成为防灾减灾与应急调度的关键环节。受限于建设成本与复杂的地下地理条件，高精度管网液位计往往只能稀疏布设，导致监测数据在空间分辨率上存在严重不足。时空融合与空间预测技术旨在通过统一的空间映射算法，利用稀疏的观测数据推演出全域高分辨率的连续分布场，是实现高效、可靠内涝预警系统的关键技术之一。

2、传统地质统计学方法“普通克里金插值ok”的底层数学逻辑建立在空间平稳性假设之上，预测模型为：

3、

4、其中，权重的求解严格依赖于描述空间相关性的半方差函数：

5、

6、该类方法在水位平稳波动的常规工况下具有良好的平滑映射能力。然而，其致命死穴在于遭遇极端暴雨引发局部水位瞬间飙升时，算法倾向于通过牺牲极值来保证全局协方差的平滑性（即均值回归特性），直接导致真实的内涝洪峰被当作“高频噪声”削平。

7、另一类以反距离加权（idw）为代表的确定性方法，其权重分配仅取决于空间距离的幂次倒数：

8、

9、这种机械的距离衰减逻辑完全忽略了管网水流的非线性物理特征。更进一步地，现有技术中出现了一些试图将空间插值与单点时间序列预测相结合的异常数据识别方案，例如管远盼等，2026年公开的《基于空间插值的地下水监测数据异常识别方法研究》。该类方法首先利用普通克里金插值法对原始数据中的缺失值进行静态空间补全 ；数据补齐后，再将各监测节点彻底拆开，针对单口监测井的历史时间序列数据独立训练prophet时序模型。其底层的加性时间序列分解预测模型为 ：

10、

11、其中，为长期趋势项，为周期性季节项，为节假日效应项，为随机误差。最终该方法通过对比当前步的实际观测值与模型预测值计算预测残差，并基于残差的统计学分布设定一个固定的3统计学判定阈值则判定为异常点。

12、然而，这种串行的时空缝合模型在面对真实的城市地下排水管网等极端恶劣、高频瞬变的物理工况时，暴露出以下三个致命的数学机理断层：

13、第一点是该方法的数学解算完全是单向串行的 。空间克里金算子仅作为预处理阶段的“填坑”工具。一旦缺失值补全结束，空间邻域在后续最关键的 prophet 预测分析与3异常识别阶段便彻底下线。在判定异常的瞬间，系统完全退化为空间维度的“瞎子”，无法利用管网拓扑网络中的邻域实时波动进行空间维度的同步交叉校验 。

14、第二点是地下排水管网物理环境极度恶劣，液位传感器极易因泥沙淤堵发生硬件卡死，导致其高频采样输出长时间表现为一条数值恒定不变的“死寂直线”。在单站独立预测的框架下，加性模型中的趋势项和季节项具有高度的统计自适应性，模型在连续多个时间步后会迅速“学习”并完美拟合这条平稳的错误死线。这导致预测残差迅速归零，根本无法触发3的判别式，从而产生灾难性的漏报。

15、第三点是城市管网液位是典型的高频、非平稳瞬变物理信号，突发暴雨会导致水位瞬间暴涨突刺。此时，prophet作为一种平滑的周期性统计模型，存在天然的统计后滞性，其预测值根本无法跟上物理瞬变，导致残差瞬间极大并直接击穿静态3阈值。这种统计学判别法无法区分“随机噪声”与“真实物理事件”，会盲目地将真实的暴雨内涝洪峰直接作为“异常错误”进行剔除或抹平，造成严重的内涝漏报 。

16、综上所述，现有技术普遍缺乏一种能够直面恶劣物理工况“脏数据”的时空强耦合校验网络。如何在不依赖海量样本的前提下，在算法底层打破时空割裂，构建一套既能精准识别并物理熔断传感器死机故障、又能自适应保护真实暴雨洪峰极值的连续高抗毁时空融合系统，是当前智慧城市内涝预警领域亟待解决的重大技术瓶颈。

技术实现思路

1、本发明的目的在于克服传统空间映射方法在极端工况下的极值失真（过平滑）与传感器故障导致的系统性崩溃等缺陷，提供一种联合残差分布与邻域关联的灵活时空信息融合方法、程序、设备及存储介质。

2、一种联合残差分布与邻域关联的灵活时空信息融合方法，包括以下步骤：

3、将目标区域划分为空间网格，获取空间网格节点集合；

4、获取目标区域的粗空间分辨率观测节点液位监测数据，通过空间插值拟合方法映射至各空间网格节点，构建初始液位基准场；

5、获取目标区域的精细空间分辨率观测节点液位监测数据，计算各精细空间分辨率观测节点的液位监测数据与初始液位基准场中该节点的液位预测值的残差；设置滑动时间窗，根据精细空间分辨率观测节点在各监测时刻的残差计算时序方差；以残差和时序方差为判据，判断并剔除故障节点；

6、将剩余精细空间分辨率观测节点在各监测时刻的残差输入至高斯过程回归模型，构建连续非平稳残差分布场；将连续非平稳残差分布场叠加至初始液位基准场，得到一阶修正场；

7、将空间网格节点在某一监测时刻与其空间一阶邻域内各邻域节点之间残差变化率的加权均方根，作为该空间网格节点在该监测时刻的局部离散残差空间梯度；引入与局部残差空间梯度成反比的自适应属性带宽，基于自适应属性带宽，构建针对一阶修正场的双边权重矩阵，进而对一阶修正场加权后输出最终液位时空融合场。

8、进一步地，所述计算各精细空间分辨率观测节点的液位监测数据与初始液位基准场中该节点的液位预测值的残差：

9、

10、其中，为精细空间分辨率观测节点在监测时刻的液位测量值；为初始液位基准场中精细空间分辨率观测节点处的液位预测值。

11、进一步地，所述设置滑动时间窗，根据精细空间分辨率观测节点在各监测时刻的残差计算时序方差：

12、

13、其中，为预设的滑动时间窗长度；。

14、进一步地，所述以残差和时序方差为判据，判断故障节点，具体为：

15、设置熔断阈值，若满足且，则判定该精细空间分辨率观测节点为故障节点。

16、进一步地，所述将连续非平稳残差分布场叠加至初始液位基准场，得到一阶修正场：

17、

18、其中，为空间网格节点，；为高斯过程回归模型输出的连续非平稳残差分布场中空间网格节点在监测时刻的液位残差。

19、进一步地，所述将空间网格节点在某一监测时刻与其空间一阶邻域内各邻域节点之间残差变化率的加权均方根，作为该空间网格节点在该监测时刻的局部离散残差空间梯度；

20、

21、其中，表示空间网格节点的空间一阶邻域节点集合；表示空间网格节点与之间的静态欧氏空间距离；。

22、进一步地，所述引入与局部残差空间梯度成反比的自适应属性带宽：

23、

24、其中，为基础平滑常数；为梯度调节增益系数；用于防止分母为零；

25、基于自适应属性带宽，构建针对一阶修正场的双边权重矩阵，进而对一阶修正场加权后输出最终液位时空融合场：

26、

27、

28、其中，为针对一阶修正场的双边权重矩阵中的元素，表示在监测时刻空间网格节点对的动态关联权重；为预设的空间距离带宽参数。

29、一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述联合残差分布与邻域关联的灵活时空信息融合方法的步骤。

30、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上述联合残差分布与邻域关联的灵活时空信息融合方法的步骤。

31、一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现上述联合残差分布与邻域关联的灵活时空信息融合方法的步骤。

32、本发明的有益效果在于：

33、本发明突破了传统方法中空间与时间相割裂的局限性，通过gpr残差分布建模与自适应带宽，解决了极端降雨工况下的“削峰”问题，洪峰捕捉精度提升显著，均方根误差大幅下降。同时，通过时序方差跌落与时空双重校验机制，实现了对传感器淤泥堵塞等物理故障的自动识别、熔断隔离与空间自愈重构，彻底避免了由于传统时序模型被动自适应而引发的“毒瘤数据”漏报与全域预测塌方。本发明特别适用于智慧排水系统与城市地下排水管网等微尺度、强拓扑约束且非平稳流态频发的工业级液位实时监测场景，在不依赖海量多源深度学习样本的前提下，在数学与物理双重机理层面锁定了真实的内涝突变极值，大幅度提升了极端复杂防汛期内涝预警场的抗毁鲁棒性与极值重构精度。