(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 202211082522.1 (22)申请日 2022.09.06 (71)申请人 浙大城市学院 地址 310015 浙江省杭州市拱 墅区湖州街 51号 申请人 浙江禹贡信息科技有限公司 (72)发明人 王铮　赵燕伟　郑重　胡明志　 张仁贡　 (74)专利代理 机构 杭州九洲专利事务所有限公 司 33101 专利代理师 张羽振 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 16/215(2019.01)G06F 16/2458(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种改进时间卷积网络的水库中长期月径 流量预测方法 (57)摘要 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。 权利要求书3页 说明书14页 附图7页 CN 115409275 A 2022.11.29 CN 115409275 A 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Fn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Tn由输入In与卷积滤波Fn进行扩张 卷积运算获得， 其计算公式如下： Tn＝Fn×In 其感受野大小计算公式为： rn+1＝(2D+2‑1)×(2D+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：权　利　要　求　书 1/3 页 2 CN 115409275 A 2其中， Si表示第i层步长， Kn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m se_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， yi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， xn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； Ci表示第i层卷积层的卷积操作； xi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， 并获取所述水文权　利　要　求　书 2/3 页 3 CN 115409275 A 3