基于自回归CNN-GRU的排水管网监测点水位多步协同预测方法

本申请适用于内涝风险预警技术领域，提供了一种基于自回归CNN‑GRU的排水管网监测点水位多步协同预测方法，包括：在训练阶段，利用城市排水系统中的历史水位和降雨数据，训练基于自回归框架的CNN‑GRU‑AR模型，形成具备高精度时空特征融合能力的预测模型，在预测阶段，数据采集模块实时采集排水管网中部署的在线水位传感器数据、雨量监测设备的历史监测数据，同步接入气象部门降雨预报系统获取未来降雨预报数据，并将其整合成适合模型输入的格式，水位预测模块接收标准化输入数据，输入训练好的CNN‑GRU‑AR模型，通过自回归逐步生成未来多步水位预测序列。本申请的方案可以提高城市排水管网关键监测节点水位协同预测的精度，为城市内涝防控提供决策支持。