基于模型融合的天然气流量预测方法、系统及电子设备

1.一种基于模型融合的天然气流量预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于模型融合的天然气流量预测方法，其特征在于，所述分段图卷积模块将输入的多元天然气流量历史时间序列段按照时间维度进行分段，得到天然气流量历史时间序列分段，根据天然气流量历史时间序列分段间的余弦相似度构建分段邻接矩阵，再由第一图卷积网络提取天然气流量历史时间序列分段间的相关性，第一图卷积网络包含多层图卷积层并利用分段邻接矩阵计算每层图卷积层的输出，完成相关性提取后，将第一图卷积网络的输出作为第一输出信号；所述开集识别嵌入图卷积层利用预训练的开集识别模型对输入的多元天然气流量历史时间序列段进行开集识别分类，并根据开集识别分类结果生成新的图邻接矩阵，将开集识别分类输入到第二图卷积网络中，第二图卷积网络的图卷积层数量与第一图卷积网络的图卷积层数量相同，第二图卷积网络利用新的图邻接矩阵计算每层图卷积层的输出，最终将第二图卷积网络的输出作为第二输出信号；所述时间膨胀卷积模块将第一输出信号和第二输出信号相加后输入多层堆叠的带有膨胀卷积的门限控制单元中，进一步提取多元天然气流量历史时间序列段内的特征并降维，得到第三输出信号；所述时间信息增强模块将输入的多元天然气流量历史时间序列段输入到lstm网络，对lstm网络的输出特征按照时间进行分段，并对各个分段特征应用注意力机制提取分段上下文向量，然后在分段上下文向量上继续应用注意力机制生成时间上下文向量，最后将时间上下文向量与输出特征中最后一个时间步的特征值进行拼接，并将拼接结果经过一层全连接层后得到时间信息增强模块的输出作为第四输出信号，最后将第三输出信号和第四输出信号相加再经过反归一化后，得到天然气流量预测模型的输出。

3.如权利要求2所述的基于模型融合的天然气流量预测方法，其特征在于，步骤s1具体包括以下子步骤：

4.如权利要求3所述的基于模型融合的天然气流量预测方法，其特征在于，步骤s2的天然气流量预测模型中，分段图卷积模块的具体处理流程如下：

5.如权利要求4所述的基于模型融合的天然气流量预测方法，其特征在于，步骤s2的第一图卷积网络中，第层图卷积层具体处理流程如下：利用分段邻接矩阵的度矩阵计算第层图卷积层的第k个分段卷积结果，将第层图卷积层的各个分段卷积结果在时间维度上进行重组拼接，得到第层图卷积层的中间输出，将第层图卷积层的中间输出与输入的多元天然气流量历史时间序列段进行残差连接，得到第层图卷积层的最终输出。

6.如权利要求2所述的基于模型融合的天然气流量预测方法，其特征在于，步骤s2的天然气流量预测模型中，开集识别嵌入图卷积层的具体处理流程如下：

7.如权利要求2所述的基于模型融合的天然气流量预测方法，其特征在于，步骤s2的天然气流量预测模型中，时间膨胀卷积模块总共进行c个门限控制单元的膨胀卷积处理，对每个门限控制单元的输出进行加权叠加，得到加权后的信号，再经过一层卷积层对加权后的信号进行降维后，得到时间膨胀卷积模块的输出并作为第三输出信号。

8.如权利要求2所述的基于模型融合的天然气流量预测方法，其特征在于，步骤s2的天然气流量预测模型中，时间信息增强模块的具体处理流程如下：

9.一种基于模型融合的天然气流量预测系统，其特征在于，包括：

10.一种计算机电子设备，其特征在于，包括存储器和处理器；