(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 202211200467.1 (22)申请日 2022.09.29 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市下沙高教园区2 号大街 (72)发明人 姚金良　蔡志鹏　许非凡　黄孝喜　 杨冰　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 傅朝栋　张法高 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于LIP-TCN-LSTM的城市积涝水位短期预 测方法及系统 (57)摘要 本发明公开了一种基于LIP ‑TCN‑LSTM的城 市积涝水位 短期预测方法及系统。 本发明方法主 要包含三个部分： 积涝数据的获取与预处理， TCN‑LSTM神经网络模型的构建与训练， 以及实时 预测。 基于MA E， RMSE和R2三个评价指标和两个 数 据集， 将本发明TCN ‑LSTM模型与其他七种模型 (TCN、 LSTM、 GRU  CNN、 BP、 CNN+LSTM、 RNN)进行横 向对比， 然后使用TCN ‑LSTM进行预测和可视化 分 析， 证明本发 明所提的方法在不同评价指标下均 有着很好的表现和较高的精确度。 权利要求书2页 说明书10页 附图4页 CN 115545296 A 2022.12.30 CN 115545296 A 1.一种基于L IP‑TCN‑LSTM的城市积涝水位短期预测方法， 其特 征在于， 包 含以下步骤： S1、 对包含水位和降雨量信息的城市积涝观测数据进行预处理， 预处理过程中首先使 用拉格朗日插值 法(Lagrange  Interpolation  Polynomial， LIP)对观测数据中缺失的部分 数据进行补全， 然后 从观测数据中筛选出降雨或积涝时段 的数据构建训练样本， 然后对所 有训练样本进行归一 化处理； S2、 构建由TCN模型、 LSTM模型和全连接层级联而成的TCN ‑LSTM神经网络模型， 其中模 型输入为当前时刻以及历史时段对应的水位和降雨量时序数据， 先 由TCN网络提取模型输 入数据中的有效特征和隐藏信息， 再由LSTM网络捕捉到水位和降雨量时序数据的长期依赖 关系， 最后通过全连接层对数据进行降维并输出预测的未来时刻城市积涝水位深度； 通过 最小化损失函数对TCN ‑LSTM神经网络模型进行训练， 得到城市积涝水位短期预测模型； S3、 将待预测位置当前时刻以及历史时段对应的水位和降雨量 时序数据作为所述城市 积涝水位短期预测模型的输入， 由城市积涝水位短期预测模型预测得到未来时刻的城市积 涝水位深度。 2.如权利 要求1所述的基于LIP ‑TCN‑LSTM的城市积涝水位短期预测方法， 其特征在于， 所述城市积涝观测数据通过水位和雨量 实时检测设备获取， 设备中内置的水位传感器和雨 量传感器能实时地获取当前设备安装位置的水位和降雨量， 并将其上传存储至上位机或云 平台中进行预处理。 3.如权利 要求1所述的基于LIP ‑TCN‑LSTM的城市积涝水位短期预测方法， 其特征在于， 所述训练样本的构建方式为:通过滑动窗口对补全后的观测数据进行样本筛选， 若滑动窗 口内水位和降雨 量数据不全为0， 则将滑动窗口内的水位和降雨 量数据提取为训练样本 。 4.如权利 要求1所述的基于LIP ‑TCN‑LSTM的城市积涝水位短期预测方法， 其特征在于， 所述归一 化采用Z‑score方法。 5.一种基于LIP ‑TCN‑LSTM的城市积涝水位短期预测系统， 其特征在于， 所述城市积涝 水位短期预测系统部署于云平台上， 并以Web应用形式对外提供服 务， 所述预测系统包括： 实时数据获取模块， 用于获取用户在前端查询时指定的易积涝地区坐标， 并根据该易 积涝地区坐标调用数据实时获取接口， 读取该易积涝地区当前时刻以及历史时段对应的水 位和降雨 量时序数据； 积涝水位预测模块， 用于调用权利要求1～4中任一所述预测方法中构建的城市积涝水 位短期预测模型， 并将实时数据获取模块中读取的时序数据作为城市积涝水位短期预测模 型的输入， 由城市积涝水位短期预测模型预测得到未来时刻的城市积涝水位深度， 并将预 测结果反馈前端 进行显示。 6.如权利 要求5所述的基于LIP ‑TCN‑LSTM的城市积涝水位短期预测系统， 其特征在于， 所述积涝水位预测模块中， 将城市积涝水位短期预测模型封装为一个算法模块， 供外部调 用。 7.如权利 要求5所述的基于LIP ‑TCN‑LSTM的城市积涝水位短期预测系统， 其特征在于， 所述数据实时获取接口用于从云服务器中获取不同易积涝地区的当前时刻以及历史时段 对应的水位和降雨量时序数据， 所述云服务器通过IOT基站与安装在城市中不同易积涝地 区的水位和雨量 实时检测设备连接， 从而能实时获取城市中不同易积涝地区的水位和雨量 信息。权　利　要　求　书 1/2 页 2 CN 115545296 A 28.如权利 要求7所述的基于LIP ‑TCN‑LSTM的城市积涝水位短期预测系统， 其特征在于， 所述水位和雨 量实时检测设备以5～10分钟的频率进行采样。权　利　要　求　书 2/2 页 3 CN 115545296 A 3