一种耦合机理模型和深度学习的洪水预报模型和方法

    公开(公告)号:CN118395868B

    公开(公告)日:2025-04-22

    申请号:CN202410596226.6

    申请日:2024-05-14

    Abstract: 本发明涉及洪水预报技术领域,公开了一种耦合机理模型和深度学习的洪水预报模型和方法,该洪水预报模型包括:普通神经网络层以流域特征数据作为输入数据,输出第一数据;P‑RNN层以气象驱动因子时间序列数据作为输入数据,集合第一数据,输出当前径流特征数据,P‑RNN层包括预设循环神经元,预设循环神经元是基于水文机理模型编码得到的;第一循环神经网络层以前期洪水流量数据作为输入数据,输出前期洪水特征数据;第二循环神经网络层以前期洪水特征数据、当前径流特征数据和气象驱动因子数据作为输入数据,输出洪水特征数据;输出层以洪水特征数据作为输入数据,输出洪水流量数据。本发明实现深度学习主导的水文模型与物理一致性,提升洪水预报精度。

    一种耦合机理模型和深度学习的洪水预报模型和方法

    公开(公告)号:CN118395868A

    公开(公告)日:2024-07-26

    申请号:CN202410596226.6

    申请日:2024-05-14

    Abstract: 本发明涉及洪水预报技术领域,公开了一种耦合机理模型和深度学习的洪水预报模型和方法,该洪水预报模型包括:普通神经网络层以流域特征数据作为输入数据,输出第一数据;P‑RNN层以气象驱动因子时间序列数据作为输入数据,集合第一数据,输出当前径流特征数据,P‑RNN层包括预设循环神经元,预设循环神经元是基于水文机理模型编码得到的;第一循环神经网络层以前期洪水流量数据作为输入数据,输出前期洪水特征数据;第二循环神经网络层以前期洪水特征数据、当前径流特征数据和气象驱动因子数据作为输入数据,输出洪水特征数据;输出层以洪水特征数据作为输入数据,输出洪水流量数据。本发明实现深度学习主导的水文模型与物理一致性,提升洪水预报精度。

Patent Agency Ranking