一种改进时间卷积网络的水库中长期月径流量预测方法与流程

技术特征：
1.一种改进时间卷积网络的水库中长期月径流量预测方法，其特征在于，包括以下步骤：s1、确定目标流域，根据所述目标流域选取水文影响因子，并获取所述水文影响因子对应的水文源数据；s2、对所述水文源数据进行预处理，所述预处理包括清洗、去噪、补齐；s3、改进时间卷积网络模型，包括：s3.1、构建扩张因果卷积并行网，对预处理后的水文源数据进行数据特征提取；s3.2、重构残差连接方式，替换标准卷积为扩张卷积和因果卷积；s3.3、将s3.1和s3.2整合构建的时间卷积网络模型进行输出保存；s4、利用训练集对所述改进时间卷积网络模型进行训练，并保存训练后的改进时间卷积网络模型；s5、根据经所述改进时间卷积网络模型计算后的水文源数据的数据特征，进行目标流域径流值输出。2.根据权利要求1所述的改进时间卷积网络的水库中长期月径流量预测方法，其特征在于，s1中，根据主成分分析方法对目标流域径流量物理性质具有相关性的自然影响因素进行筛选，确定所述目标流域对应的水文影响因子。3.根据权利要求2所述的改进时间卷积网络的水库中长期月径流量预测方法，其特征在于，s2中，将所述预处理后的水文源数据进行建模处理，并将所述预处理后的水文源数据进行数据降维。4.根据权利要求3所述的改进时间卷积网络的水库中长期月径流量预测方法，其特征在于，s3.1包括：s3.1.1、构建基础因果卷积核；s3.1.2、构建基础扩张卷积核；s3.1.3、将所述基础因果卷积核和所述基础扩张卷积核进行并行连接，获取扩张因果卷积核并行网，输出经过多卷积处理后的特征结果。5.根据权利要求4所述的改进时间卷积网络的水库中长期月径流量预测方法，其特征在于，s3.1.3包括：s3.1.3.1、在超参数中根据水文影响因子的数量，确定输入量、核网层数构建卷积核块，进行扩张因果卷积的并行连接；s3.1.3.2、将输入数据i经过卷积层中大小为dx1，扩张因子为d的卷积滤波f
n
作用之后，得到输出数据t；其中，所述输入数据i为由n种数据，总时间跨度为m的时间序列数据构成的n
×
m的矩阵，所述输出数据t为n个特征图；第n个特征图t
n
由输入i
n
与卷积滤波f
n
进行扩张卷积运算获得，其计算公式如下：t
n
＝f
n
×
i
n
其感受野大小计算公式为：r
n 1
＝(2
d 2-1)
×
(2
d 2-1)改进时间卷积网络中多层多维卷积网的感受野大小计算递推公式为：
其中，s
i
表示第i层步长，k
n
表示第n层卷积核尺寸，卷积核尺寸计算公式为：其中，p表示模型中填充值；k表示卷积核尺寸；s表示步长；s3.1.3.3、根据既定的扩张因子大小、网络层数大小，待特征输入经过卷积操作后，利用最大池化操作，得到融合后的特征结果；s3.1.3.4、将融合特征结果进行全连接层输入，进行随机丢弃正则化操作，并对正则化后的融合特征进行softmax操作，得到输出的多影响因子输出特征值；s3.1.3.5、采用mse_loss函数作为损失函数评判所述多影响因子输出特征值，公式为：其中，y
i
为各影响因子输出预测特征值，y
′
i
为各影响因子输出实际特征值。6.根据权利要求5所述的改进时间卷积网络的水库中长期月径流量预测方法，其特征在于，s3.2包括：s3.2.1、构建基础残差连接，将模型的输入层与全连接层进行连接，一个残差块b包括直接映射部分与残差部分，表达公式为：其中，x
n
表示第n层卷积层蕴含的依赖信息；c表示扩张卷积操作，即直接映射部分；f为不同层之间进行残差映射操作；c
i
表示第i层卷积层的卷积操作；x
i
表示第i层卷积层蕴含的依赖信息；s3.2.2、构建多层卷积核网相对应的多层并行连接的通用残差块，来进行水文源数据多维度特征提取；s3.2.3、对基础残差连接中的一维普通卷积进行重新构建，将s3.1.1和s3.1.2中构建的已有卷积类进行替换和数据传输的维度拼接；s3.2.4、经残差连接的源数据特征输入经过两组的卷积、归一化、激活和正则化操作，得到水文源数据的特征向量。7.根据权利要求6所述的改进时间卷积网络的水库中长期月径流量预测方法，其特征在于，s3.2.2中，根据超参数中并行网层数进行循环构建通用残差块，每一层残差块中包含两层扩张因果卷积和激活函数relu，并应用权重归一化到卷积核，此外在每次扩张因果卷积后添加dropout进行正则化。8.一种改进时间卷积网络的水库中长期月径流量预测装置，其特征在于，用于执行权利要求1至7任一所述的一种改进时间卷积网络的水库中长期月径流量预测方法，包括：获取模块，用于确定目标流域，根据所述目标流域选取水文影响因子，并获取所述水文
影响因子对应的水文源数据；预处理模块，用于对所述水文源数据进行预处理，所述预处理包括清洗、去噪、补齐；改进模块，用于改进时间卷积网络模型，包括：构建扩张因果卷积并行网，对预处理后的水文源数据进行数据特征提取；重构残差连接方式，替换标准卷积为扩张卷积和因果卷积；将整合构建的时间卷积网络模型进行输出保存；训练模块，用于利用训练集对所述改进时间卷积网络模型进行训练，并保存训练后的改进时间卷积网络模型；输出模块，用于根据经所述改进时间卷积网络模型计算后的水文源数据的数据特征，进行目标流域径流值输出。9.一种计算机存储介质，其特征在于，所述计算机存储介质内存储有计算机程序；所述计算机程序在计算机上运行时，使得计算机执行如权利要求1至7任一所述的一种改进时间卷积网络的水库中长期月径流量预测方法。10.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得计算机执行如权利要求1至7任一所述的一种改进时间卷积网络的水库中长期月径流量预测方法。

技术总结
本发明涉及一种改进时间卷积网络的水库中长期月径流量预测方法，包括：根据目标流域选取水文影响因子，并获取对应的水文源数据；对水文源数据进行预处理；构建扩张因果卷积并行网；重构残差连接方式；将整合构建的时间卷积网络模型进行输出保存；利用训练集对改进时间卷积网络模型进行训练；根据经改进时间卷积网络模型计算后的水文源数据的数据特征，进行目标流域径流值输出。本发明的有益效果是：本发明利用扩张卷积和因果卷积特点，通过构建多卷积核并行网进行多源水文特征并行，提取提升了径流预测的精确性；并重构了残差连接方式，避免数据特征多层传递导致的特征损失。避免数据特征多层传递导致的特征损失。避免数据特征多层传递导致的特征损失。


技术研发人员：王铮 赵燕伟 郑重 胡明志 张仁贡
受保护的技术使用者：浙江禹贡信息科技有限公司
技术研发日：2022.09.06
技术公布日：2022/11/29