基于空间和时序交叉的海塘灾害监测预警方法及电子设备与流程

本申请涉及数据处理，具体为一种基于空间和时序交叉的海塘灾害监测预警方法及电子设备。

背景技术：

1、洪水被认为是最具破坏性的自然灾害之一，它能导致重大的人员伤亡、巨大的基础设施损害沉重的经济损失和社会混乱。近年来，由于气候环境快速变化、城市化进程加快上地使用不当等因素的叠加，洪水灾害发生的频率增加，破坏性加大。

2、海塘领域风险监测预报是依托于灾害的形成因素和变化规律，综合分析过去历史资料和实时的水文数据，对未来时间段的灾害发生情况进行预测。目前海塘领域灾害预报理论主要包含以下三种方式：

3、1.基于水文、水力学模型的方法，该方法属于基于物理模型的白箱方法，首先通过对水文资料的收集整理，采用正态分布、p-i型分布等水文数据频率线型，计算离散系数与偏态系数，根据预定的水文事件重现周期，带入公式求得设计洪水，而后选取mike 模型等一、二维水力学模型，模拟洪水的演进过程，最终通过计算分析得出洪水的流速、淹没深度、范围、持续时间等信息。该方法运用于海塘领域监测预报与风险性评估已有较长的历史，也是目前应用最多，可信度最高的方法；

4、2.多准则决策方法，该方法从区域的孕灾环境出发，选取相关指标，建立多维数据变量模型，利用层次分析法、空间理想排序法、熵权重法等权重获取方法，给予数据模型一定的权重，将多种空间变量通过gis以一定的规则进行整合，最终得出一个能反映区域海塘领域灾害风险性的指标；

5、3.基于机器学习的方法，该方法主要包括支持向量机、随机森林、决策树、极限学习机等。由于机器学习方法中的参数都是通过对样本数据的训练学习得到，适用于水文资料丰富且有详细历史洪水资料的地区。但是因海塘灾害突发性、不确定性、非线性特性明显，导致各类预警的时效性和可靠性效果有待进一步提升。

6、随着信息技术的快速发展，信息的来源和存在形式也越来越宽泛。跨模态数据融合在多个领域都得到应用，并针对特定领域提出了模态融合方法或模型，并且取得了不错的效果。在海塘灾害领域输运核心工程调度过程中模态数量多、数据融合难度大，导致跨模态数据融合并没有在洪涝和台风防灾减灾领域得到广泛应用，尤其在灾情发生阶段及灾后救灾阶段调度上缺乏系统研究。因此，需要分析复杂海塘灾害领域中的多模态数据，并跨模态将其融合，构建多时间尺度下的灾情预测模型，形成事前预测、主动应对的智能预警机制，从而为后期减轻洪涝和台风危害奠定理论基础，进而保护沿途人民生命财产安全。

技术实现思路

1、本申请提供一种基于空间和时序交叉的海塘灾害监测预警方法及电子设备，以解决上述技术问题。

2、本申请解决其技术问题所采用的技术方案是：一种基于空间和时序交叉的海塘灾害监测预警方法，包括：

3、s1：获取海塘的实时水文数据并进行数据处理与分析得到预处理水文数据，预处理水文数据包括若干种模态数据；

4、s2：捕获每种模态数据的信息得到若干种模态表征向量；

5、s3：将s2中捕获到的若干种模态表征向量进行特征对齐后输入多模态融合网络模型融合得到融合模态特征图；

6、s4：将s3中得到的融合模态特征图输入至预设空间-时序交叉注意力模块得到空间优先特征和时间优先特征，并对空间优先特征和时间优先特征进行特征融合得到最终融合特征；

7、s5：将s4中得到的最终融合特征输入至由多个线性残差层组成的风险等级预测模块，输出海塘灾害风险等级。

8、本基于空间和时序交叉的海塘灾害监测预警方法首先进行数据采集与处理，然后提取每种数据模态的特征，之后对捕获的不同模态特征进行融合，然对捕获融合特征中的时空关联，进一步增强不同模态特征之间的时空关联，最后，使用由残差线性层组成的解码器处理融合特征并输出最后的海塘领域风险等级预测结果，充分利用了不同模态的水文数据，同时也有效地提升了海塘领域灾害监测预警的时效性与可靠性。

9、作为优选，实时水文数据包括水位数据、流量数据、雨量数据、土壤墒情数据以及海塘图像数据，实时水文数据通过水利数字孪生平台采集记录。

10、作为优选，数据处理与分析包括数据的清洗与缺失值插补、数据去噪、时间序列处理、数据合并与对齐以及归一化。

11、作为优选，s2中捕获每种模态数据的信息采用长短时间记忆模块作为单模记忆模块来实现。

12、作为优选，长短时间记忆模块计算输出的t时刻的第n个序列输出的模态表征向量是由t时刻第n模态数据的输入和第n种模态数据的历史记录计算得到的， 计算公式如下： ，其中，表示第n模态数据的历史记录，表示为，表示t时刻第n模态数据的输入；表示最终的模态表征向量。

13、作为优选，融合每种模态特征采用多模态融合算法来实现，多模态融合算法将t个时刻的n个模态表征向量融合。

14、作为优选，预设空间-时序交叉注意力模块包括空间注意力模块和时序注意力模块，空间注意力模块采用图卷积神经网络构建并优化每种模态数据之间的关联，空间注意力模块输出空间优先特征，时序注意力模块通过时间注意力机制动态捕获不同时间刻度下的模态特征关联，时序注意力模块输出时序优先特征。

15、作为优选，空间注意力模块通过权重矩阵对数据进行编码，然后通过对编码结果进行开方和求逆运算来解码，最后通过激活函数将解码结果转换为可比较的形式，并与原始数据进行比较以计算损失函数，不断调整权重矩阵和偏置项，通过堆叠多层图卷积层挖掘不同模态之间的多级关联得到空间优先特征。

16、作为优选，时序注意力模块计算一个时刻与其他时刻的关联，并使用时序依赖度进行特征提取得到时序优先特征。

17、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的基于空间和时序交叉的海塘灾害监测预警方法。

18、本申请的实质性效果是：本基于空间和时序交叉的海塘灾害监测预警方法首先进行数据采集与处理，使用长短时间记忆模块作为单模记忆模块提取每种数据模态的特征，使用多模态特征融合模块对捕获的不同模态特征进行融合。利用设计的空间-时序交叉注意力模块捕获融合特征中的时空关联，进一步增强不同模态特征之间的时空关联，最后使用由残差线性层组成的解码器处理融合特征并输出最后的海塘领域风险等级预测结果，充分利用了不同模态的水文数据，同时也有效地提升了海塘领域灾害监测预警的时效性与可靠性。

技术特征：

1.一种基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，包括：

2.根据权利要求1所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，实时水文数据包括水位数据、流量数据、雨量数据、土壤墒情数据以及海塘图像数据。

3.根据权利要求1所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，数据处理与分析包括数据的清洗与缺失值插补、数据去噪、时间序列处理、数据合并与对齐以及归一化。

4.根据权利要求1所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，s2中捕获每种模态数据的信息采用长短时间记忆模块作为单模记忆模块来实现。

5.根据权利要求1或4所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，长短时间记忆模块计算输出的t时刻的第n个序列输出的模态表征向量是由t时刻第n模态数据的输入和第n种模态数据的历史记录计算得到的。

6.根据权利要求5所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，融合每种模态特征采用多模态融合算法来实现，多模态融合算法将t个时刻的n个模态表征向量融合。

7.根据权利要求1所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，预设空间-时序交叉注意力模块包括空间注意力模块和时序注意力模块，空间注意力模块采用图卷积神经网络构建并优化每种模态数据之间的关联，空间注意力模块输出空间优先特征，时序注意力模块通过时间注意力机制动态捕获不同时间刻度下的模态特征关联，时序注意力模块输出时序优先特征。

8.根据权利要求7所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，空间注意力模块通过权重矩阵对数据进行编码，然后通过对编码结果进行开方和求逆运算来解码，最后通过激活函数将解码结果转换为可比较的形式，并与原始数据进行比较以计算损失函数，不断调整权重矩阵和偏置项，通过堆叠多层图卷积层挖掘不同模态之间的多级关联得到空间优先特征。

9.根据权利要求7所述基于空间和时序交叉的海塘灾害监测预警方法，其特征在于，时序注意力模块计算一个时刻与其他时刻的关联，并使用时序依赖度进行特征提取得到时序优先特征。

10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1～9中任一项所述的基于空间和时序交叉的海塘灾害监测预警方法。

技术总结本申请公开了一种基于空间和时序交叉的海塘灾害监测预警方法及电子设备，包括：获取海塘的实时水文数据并进行数据处理与分析得到预处理水文数据，预处理水文数据包括若干种模态数据；捕获每种模态数据的信息得到若干种模态表征向量；将若干种模态表征向量进行特征对齐后输入多模态融合网络模型融合得到融合模态特征图；将融合模态特征图输入至预设空间‑时序交叉注意力模块得到空间优先特征和时间优先特征，并对空间优先特征和时间优先特征进行特征融合得到最终融合特征；将最终融合特征输入至由多个线性残差层组成的风险等级预测模块，输出海塘灾害风险等级，充分利用了不同模态的水文数据提升了海塘领域灾害监测预警的时效性与可靠性。技术研发人员：许本亮,张仁贡,章国道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：技术公布日：2024/6/30