(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210840373.4 (22)申请日 2022.07.18 (71)申请人 福建中锐网络股份有限公司 地址 350108 福建省福州市闽侯县福州大 学国家大 学科技园8号楼5层 (72)发明人 马森标　黄正鹏　陈宇龙　陈友武　 黄祖海　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 陈明鑫　蔡学俊 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于延时因子和PSO RNN Attention模 型的水库水位预测预警方法 (57)摘要 本发明涉及一种基于延时因子和PSO  RNN  Attention模型的水库水位预测预警方法。 该方 法基于上水库水位之间的数值关系， 计算延时因 子， 进而构造上有延时水位特征， 有效的将上游 水位 （泄洪量） 对水库水位的影 响输入模 型。 基于 RNN （循环神经网络） 与Attention （注意力） 机制 复合模型， 使用历史水位数据、 降雨量、 泄洪量训 练该模型， 运用PSO优 化算法优化RNN‑Attention 模型超参数。 该模型充分利用水库与上游雨水情 数据， 实现对未来水位的预测， 预测准确度高， 结 合Kafka模块和预 警模块可以实现对大坝的实时 监测及预警。 权利要求书5页 说明书10页 附图6页 CN 115271186 A 2022.11.01 CN 115271186 A 1.一种基于延时因子和PSO  RNN Attention模型的水库水位预测预警方法， 其特征在 于， 基于水库和上游相关测点雨水情数据， 构造水位延时因子， 建立RNN ‑Attention水库水 位预测模型， 使用PSO优化算法对RNN ‑Attention水库水位预测模型超参数进行优化， 进而 实现对水库水位的预测预警。 2.根据权利要求1所述的一种基于延时因子和PSO  RNN Attention模型的水库水位预 测预警方法， 其特 征在于， 该 方法实现步骤如下： 步骤1、 计算水位延时因子； 步骤2、 输入水位、 泄洪量、 降雨 量数据； 步骤3、 数据预处 理； 步骤4、 构造水位分量； 步骤5、 消除数据间的量纲、 数值差异； 步骤6、 数据划分与重塑； 步骤7、 构造上游相关测点延时特 征； 步骤8、 搭建RN N‑Attention水库水位预测模型； 步骤9、 采用PSO优化算法优化RNN ‑Attention水库水位预测模型超参数， 得到优化后的 PSO RNN‑Attention水库水位预测模型； 步骤10、 对步骤9优化后的PSO  RNN‑Attention水库水位预测模型进行评估并存储， 而 后利用优化后的P SO RNN‑Attention水库水位预测模型， 实现对水库水位的预测预警。 3.根据权利要求2所述的一种基于延时因子和PSO  RNN Attention模型的水库水位预 测预警方法， 其特 征在于， 所述 步骤1具体实现如下： 步骤1.1、 输入水库水位数据、 水库上游相关测点水位数据； 步骤1.2、 z ‑score标准化： 对输入的水位数据进行z ‑score标准化处理， 计算公式如下： 其中x表示水位数据的个 体值， μ表示水位数据的均值， 表示水位数据的标准差； 步骤1.3、 构造水位延时因子： 将水库水位数据按固定的时间 间隔划分为多段 数据， 划分方式如下： 其中WT代表水库在T时间段的所有水位数据； 代表水库在ti时刻的水位， i∈|1,a|； 代表划分后的第j段的所有水位数据， j∈ |1,n|； 使用水库上游相关测点水位数据构造延时因子， 具体构造方式如下：权　利　要　求　书 1/5 页 2 CN 115271186 A 2其中W代表水位， 若上游相关测点为水坝或水闸则表示泄洪量， k代表与水库相关的k个 上游测点， Ti代表划分后的第i 段监测时间， tk表示第k个上游测点的延时因子， 即将第k个上 游测点数据延时tk个监测单位时间； 步骤1.4、 搭建线性回归 模型： 将延时因子构造的上游延时水位特征作为自变量， 水库水位数据作为因变量， 搭建多 元线性回归 模型进行训练拟合， 拟合 误差越小说明两者越接 近， 延时因子越接 近真实值； 步骤1.5、 使用P SO算法最小化线性回归 模型拟合 误差： 基于步骤1.4的多元线性回归模型， 使用PSO算法， 在不改变多元线性回归模型超参数 的前提下， 将延时因子作为 寻优变量， 拟合 误差作为目标函数， 进行迭代寻优； 具体为： 使用PSO算法对水库每个相关上游测点的延时因子进行寻优， 其中PSO模型的目标函数 设置为多 元线性回归模 型的MSE， 设置PSO模 型的参数， 即惯性权重、 学习因子、 粒子个数、 粒 子群搜索维度； 初始化粒子的位置为0， 速度方向为正， 对每个相关上游测点的延时因子进 行寻优； 粒子寻优的维度即为每 个相关上游测点的延时因子； 将多元线性回归模型模型嵌入PSO模型中， 同时将模型需要寻优的超参数设置为粒子 群对应的维度， 设置完成后进 行迭代， 在寻优迭代完成后选取MS E最小的一组即是最接近 真 实值的延时因子 。 4.根据权利要求2所述的一种基于延时因子和PSO  RNN Attention模型的水库水位预 测预警方法， 其特 征在于， 所述 步骤3具体实现如下： 步骤3.1、 时间对齐： 对步骤2输入的水库监测数据库中水位、 泄洪量、 降雨量数据及其采集时间进行重采 样， 统一数据的采集间隔与采集时间点； 步骤3.2、 缺失值处 理： 使用缺失值前一个值或后一个值对数据进行填补。 5.根据权利要求2所述的一种基于延时因子和PSO  RNN Attention模型的水库水位预 测预警方法， 其特 征在于， 所述 步骤4具体实现如下： 水位特征变换： 描述的是水库水位随着时间的推移与其历史水库水位之间的联系， 是 水库水位变化的前置因子， 其反应了水位变化的趋势和速度； 为挖掘不同水位序列之间的 时序性， 针对于水库水位特 征进行的特 征变换如下： 其中水库水位数据采集时间为Tt(t＝0， 1， 2， …， n), 为T0～Tn时段 的水库水位， Hi为 的任意一个非空子集， W 为水库水位； 根据f(W)进行 水库水位特 征变换得W1、 W2、 W3分别为： 权　利　要　求　书 2/5 页 3 CN 115271186 A 3