城市排水管网流量预测多视图时空图神经网络模型

• Published in: 测绘学报 Vol. 54; no. 2; pp. 334 - 344
• Main Authors: 涂伟, 池向沅, 赵天鸿, 杨剑, 朱世平, 陈德莉
• Format: Journal Article
• Language: Chinese
• Published: 深圳大学建筑与城市规划学院,广东 深圳 518060%深圳大学广东省城市空间信息工程重点实验室,广东 深圳 518060 11.03.2025; 深圳技术大学大数据与互联网学院,广东 深圳 518057%信息工程大学地理空间信息学院,河南郑州 450052%无锡航征科技有限公司,江苏无锡 214135; 深圳大学广东省城市空间信息工程重点实验室,广东 深圳 518060; 深圳大学自然资源部大湾区地理环境监测重点实验室,广东 深圳 518060
• Subjects: multi-view graph; graph deep learning; spatio-temporal graph network; 图深度学习; 时空图网络; 管网流量预测; 多视图; drainage networks flow prediction
• ISSN: 1001-1595
• DOI: 10.11947/j.AGCS.2025.20230329

P208; 城市排水管网的流量是其运行效率和安全的关键指标,准确的流量预测对排水管网运行风险预警、优化其运行效率及规划布局至关重要.水流量不仅受到其自身动力学特性的影响,还与管网的空间结构紧密相关,但传统水流量预测方法较少关注水流在管道之间复杂多维的空间依赖关系.针对这一问题,本文提出了一种基于多视图的时空图网络模型,该模型综合考虑了排水管网的空间邻近性和节点间的属性相似性.分别构建最近邻拓扑视图与流量相似性属性视图,使用时空图卷积网络挖掘流量特征的内在时空依赖,利用注意力机制对多个视图的时空依赖特征进行融合以获得流量预测值.利用某市排水管网历史水流监测数据进行试验,结果表明本文提出的多视图时空图神经网络模型取得了较好的预测性能,多视图对比试验验证了不同视图在模型中起到的贡献.