基于SWMM与图卷积神经网络的城市排水系统多目标预测方法

本发明公开了一种基于SWMM与图卷积神经网络的城市排水系统多目标预测方法，包括获取目标城市排水系统管道与检查井实测资料，构建SWMM模型，输出数据；基于图卷积神经网络GraphSAGE与门控循环单元网络GRU生成时空图序列深度学习网络GraphSAGE‑GRU模型；以预处理后的数据作为输入，利用训练好的模型，输入实时或预测降雨数据，同步输出目标城市排水系统的节点水头与管道负荷预测结果。本发明所述方法不仅可弥补传统方法未考虑城市排水系统拓扑结构的问题，而且可以全面输出检查井与管道的水力属性。解决了传统代理模型过于黑箱缺乏结构信息的问题，通过设置时空图结构，提供了更多模拟结果输出。