模型訓練方法、降雨徑流預測方法、裝置、設備及介質與流程

本技術涉及地理水文信息領域，尤其涉及一種模型訓練方法、降雨徑流預測方法、裝置、設備及介質。

背景技術：

1、在水文和水資源管理領域，降雨徑流是指由降雨所形成的徑流，它是降雨在扣除蒸發、土壤入滲、植物截留及洼地滯蓄等水量后，沿地表或地下匯入河流、湖泊或海洋的水流總稱。準確地預測降雨徑流可以有效減少洪水災害，優化水資源配置，并支持生態環境保護。

2、現有的基于深度學習的降雨徑流預測方法通常先運用地理要素特征數據集對模型進行訓練，然后，將待預測的地理要素特征數據輸入該訓練好的模型，從而輸出預測的降雨徑流。

3、但是，現有的基于深度學習的降雨徑流預測方法對于輸入模型的地理要素特征數據集的要求較高，如果在訓練時，輸入的地理要素特征數據集中的數據存在著數據冗余的問題，那么模型就可能會出現過擬合現象，使得其泛化能力降低，從而導致模型的預測結果誤差較大。

技術實現思路

1、本技術提供一種模型訓練方法、降雨徑流預測方法、裝置、設備及介質，用以提高降雨徑流預測模型的泛化能力。

2、第一方面，本技術提供一種模型訓練方法，該模型訓練方法包括：

3、獲取降雨徑流相關的多組數據，每組數據包括：地理位置、時間段、多種地理要素因子在地理位置和時間段分別對應的取值、以及地理位置在時間段的實際降雨徑流，不同數據對應的地理位置和/或時間段不同；

4、確定每種地理要素因子的空間變異指數和時間變異指數，空間變異指數是指地理要素因子隨地理位置變化的速率；時間變異指數是指地理要素因子隨時間變化的速率；

5、若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍內，且時間變異指數指示地理要素因子隨時間的變化速率在第二預設范圍內，則將地理要素因子標記為第一類地理要素因子，并將第一類地理要素因子在不同地理位置，不同時間段的取值更新為第一固定取值；

6、若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍內，且時間變異指數指示地理要素因子隨時間的變化速率在第二預設范圍外，則將地理要素因子標記為第二類地理要素因子，并將第二類地理要素因子在不同地理位置的取值更新為第二固定取值；

7、若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍外，且時間變異指數指示地理要素因子隨時間變化的速率在第二預設范圍內，則將地理要素因子標記為第三類地理要素因子，并將第三類地理要素因子在不同時間段的取值更新為第三固定取值；

8、通過經過更新后的多組數據對降雨徑流預測模型進行訓練。

9、在一種可能的設計中，確定每種地理要素因子的空間變異指數和時間變異指數，包括：

10、針對每種地理要素因子，計算地理要素因子在每個位置的梯度，并將各位置的梯度之和作為地理要素因子的空間變異指數；

11、計算每種地理要素因子在預設時間內的變化量的標準差，作為每種地理要素因子的時間變異指數。

12、在一種可能的設計中，該模型訓練方法還包括：

13、對于每種地理要素因子，確定空間變異指數小于或等于地理要素因子的空間變異指數的第一其余地理要素因子數量，以確定第一其余地理要素因子數量與所有地理要素因子的數量的第一比值，以及，確定時間變異指數小于或等于地理要素因子的時間變異指數的第二其余地理要素因子數量，以確定第二其余地理要素因子數量與所有地理要素因子的數量的第二比值；

14、若第一比值小于或等于第一閾值，則確定空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍內；

15、若第二比值小于或等于第二閾值，則確定時間變異指數指示地理要素因子隨時間變化的速率在第二預設范圍內。

16、在一種可能的設計中，確定每種地理要素因子的空間變異指數和時間變異指數之前，該模型訓練方法還包括：

17、根據每種地理要素因子在多組數據中對應的取值，確定每種地理要素因子的第一平均取值；

18、將任意兩種地理要素因子在多組數據中對應的取值，以及兩種地理要素因子分別對應的第一平均取值，輸入到相關系數函數中，計算得到兩種地理要素因子的第一相關性；

19、從多組數據中，刪除第一相關性大于或等于第一相關性閾值的兩種地理要素因子中的一種地理要素因子的取值。

20、在一種可能的設計中，確定每種地理要素因子的空間變異指數和時間變異指數之前，該模型訓練方法還包括：

21、根據任意一種地理要素因子在多組數據中對應的取值，確定地理要素因子的第二平均取值；

22、根據多組數據中的實際降雨徑流，確定平均降雨徑流；

23、將任意一種地理要素因子在多組數據中對應的取值、多組數據中的實際降雨徑流、以及第二平均取值、平均降雨徑流，輸入到相關系數函數中，計算得到任意一種地理要素因子和降雨徑流之間的第二相關性；

24、從多組數據中，刪除第二相關性小于第二相關性閾值的地理要素因子的取值。

25、在一種可能的設計中，通過經過更新后的多組數據對降雨徑流預測模型進行訓練，包括：

26、將經過更新后的多組數據劃分為第一數據集和第二數據集；

27、將第一數據集分為k個子集，k為大于或等于2的整數；

28、在訓練的每輪迭代中，選取k個子集中的任一個子集作為驗證集，以及將k個子集中除驗證集之外的k-1個子集作為訓練集，以通過訓練集對降雨徑流預測模型進行訓練，并通過驗證集對本輪迭代訓練過的降雨徑流預測模型進行驗證；

29、在結束訓練后，通過第二數據集分析降雨徑流預測模型。

30、在一種可能的設計中，在結束訓練后，通過第二數據集分析降雨徑流預測模型，包括：

31、將第二數據集中的地理要素因子的取值輸入訓練過的降雨徑流預測模型，以得到降雨徑流預測數據；

32、根據降雨徑流預測數據與實際降雨徑流，計算降雨徑流預測模型的納什系數、徑流相對誤差和洪峰相對誤差，以對降雨徑流預測模型的預測準確性進行分析。

33、第二方面，本技術提供一種降雨徑流預測方法，包括：

34、獲取降雨徑流相關的多種地理要素因子和地理要素因子在目標區域和/或目標時間段的取值，多種地理要素因子中包括被標記的第一類地理要素因子、第二類地理要素因子和第三類地理要素因子；

35、將第一類地理要素因子在目標區域和/或目標時間段的取值更新為第一固定取值；

36、將第二類地理要素因子在目標區域的取值更新為第二固定取值；

37、將第三類地理要素因子在目標時間段的取值更新為第三固定取值；

38、將地理要素因子在目標區域和/或目標時間段的取值輸入到預先訓練得到的降雨徑流預測模型中進行預測，得到目標區域在目標時間段的降雨徑流。

39、第三方面，本技術提供一種模型訓練裝置，包括：

40、獲取模塊，用于獲取降雨徑流相關的多組數據，每組數據包括：地理位置、時間段、多種地理要素因子在地理位置和時間段分別對應的取值、以及地理位置在時間段的實際降雨徑流，不同數據對應的地理位置和/或時間段不同；

41、確定模塊，用于確定每種地理要素因子的空間變異指數和時間變異指數，空間變異指數是指地理要素因子隨地理位置變化的速率；時間變異指數是指地理要素因子隨時間變化的速率；

42、第一取值模塊，用于若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍內，且時間變異指數指示地理要素因子隨時間的變化速率在第二預設范圍內，則將地理要素因子標記為第一類地理要素因子，并將第一類地理要素因子在不同地理位置，不同時間段的取值更新為第一固定取值；

43、第二取值模塊，用于若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍內，且時間變異指數指示地理要素因子隨時間的變化速率在第二預設范圍外，則將地理要素因子標記為第二類地理要素因子，并將第二類地理要素因子在不同地理位置的取值更新為第二固定取值；

44、第三取值模塊，用于若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍外，且時間變異指數指示地理要素因子隨時間變化的速率在第二預設范圍內，則將地理要素因子標記為第三類地理要素因子，并將第三類地理要素因子在不同時間段的取值更新為第三固定取值；

45、訓練模塊，用于通過經過更新后的多組數據對降雨徑流預測模型進行訓練。

46、第四方面，本技術提供一種降雨徑流預測裝置，包括：

47、目標數據獲取模塊，用于獲取降雨徑流相關的多種地理要素因子和地理要素因子在目標區域和/或目標時間段的取值，多種地理要素因子中包括被標記的第一類地理要素因子、第二類地理要素因子和第三類地理要素因子；

48、第一固定值模塊，用于將第一類地理要素因子在目標區域和/或目標時間段的取值更新為第一固定取值；

49、第二固定值模塊，用于將第二類地理要素因子在目標區域的取值更新為第二固定取值；

50、第三固定值模塊，用于將第三類地理要素因子在目標時間段的取值更新為第三固定取值；

51、預測模塊，用于將地理要素因子在目標區域和/或目標時間段的取值輸入到預先訓練得到的降雨徑流預測模型中進行預測，得到目標區域在目標時間段的降雨徑流。

52、第五方面，本技術提供一種電子設備，包括：處理器，以及與處理器通信連接的存儲器；

53、存儲器存儲計算機執行指令；

54、處理器執行存儲器存儲的計算機執行指令，用于實現第一方面
技術實現要素：
的一種模型訓練方法或第二方面發明內容的一種降雨徑流預測方法。

55、第六方面，本技術提供一種計算機可讀存儲介質，計算機可讀存儲介質中存儲有計算機執行指令，計算機執行指令被處理器執行時，用于實現第一方面發明內容的一種模型訓練方法或第二方面發明內容的一種降雨徑流預測方法。

56、第七方面，本技術提供一種計算機程序產品，包括計算機程序，計算機程序被處理器執行時，用于實現第一方面發明內容的一種模型訓練方法或第二方面發明內容的一種降雨徑流預測方法。

57、本技術提供的一種模型訓練方法、降雨徑流預測方法、裝置、設備及介質，通過獲取降雨徑流相關的多組數據，每組數據包括：地理位置、時間段、多種地理要素因子在地理位置和時間段分別對應的取值、以及地理位置在時間段的實際降雨徑流，不同數據對應的地理位置和/或時間段不同；確定每種地理要素因子的空間變異指數和時間變異指數，空間變異指數是指地理要素因子隨地理位置變化的速率；時間變異指數是指地理要素因子隨時間變化的速率；若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍內，且時間變異指數指示地理要素因子隨時間的變化速率在第二預設范圍內，則將地理要素因子標記為第一類地理要素因子，并將第一類地理要素因子在不同地理位置，不同時間段的取值更新為第一固定取值；若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍內，且時間變異指數指示地理要素因子隨時間的變化速率在第二預設范圍外，則將地理要素因子標記為第二類地理要素因子，并將第二類地理要素因子在不同地理位置的取值更新為第二固定取值；若空間變異指數指示地理要素因子隨地理位置變化的速率在第一預設范圍外，且時間變異指數指示地理要素因子隨時間變化的速率在第二預設范圍內，則將地理要素因子標記為第三類地理要素因子，并將第三類地理要素因子在不同時間段的取值更新為第三固定取值；通過經過更新后的多組數據對降雨徑流預測模型進行訓練。實現了如下技術效果：通過經過更新后的多組數據對降雨徑流預測模型進行訓練，減少了輸入降雨徑流預測模型的數據冗余，從而減少了降雨徑流預測模型出現過擬合的現象，進而提高了降雨徑流預測模型的泛化能力，減少了降雨徑流預測模型的預測誤差；通過確定每種地理要素因子的空間變異指數和時間變異指數，并根據該空間變異指數和時間變異指數對多種地理要素因子的取值進行優化更新，解決了輸入降雨徑流預測模型的數據所存在的數據冗余問題；通過將空間變異指數和/或時間變異指數較小的地理要素因子的取值，相應地更新為第一固定取值、第二固定取值或第三固定取值，解決了如何對地理要素因子的取值進行優化的問題。