-
公开(公告)号:CN119848789B
公开(公告)日:2025-06-03
申请号:CN202510331446.0
申请日:2025-03-20
Applicant: 河海大学 , 长江水利委员会水文局
IPC: G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0985 , G01C13/00
Abstract: 本发明公开了一种基于元学习TFT架构的流域水文多变量预测方法,涉及水文预测技术领域,包括采集多个水文观测站的多变量水质数据、外部驱动力数据及静态流域属性数据;进行拼接并处理缺失值,划分为时间排列的训练集、测试集和验证集作为输入;通过强化门控循环单元增强模型对长期依赖关系的捕捉;利用多尺度图注意力网络捕捉时间序列中的多层次依赖关系;整合元学习框架,融合多个子任务,输出预测值。将模型融合增强元学习与改进的Temporal Fusion Transformer相结合,融合多尺度图注意力网络和动态模型融合机制,解决复杂流域环境下水文预测模型在捕捉长期依赖关系和泛化能力方面的不足,提升多变量水文预测的精度与可靠性。
-
公开(公告)号:CN119848789A
公开(公告)日:2025-04-18
申请号:CN202510331446.0
申请日:2025-03-20
Applicant: 河海大学 , 长江水利委员会水文局
IPC: G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0985 , G01C13/00
Abstract: 本发明公开了一种基于元学习TFT架构的流域水文多变量预测方法,涉及水文预测技术领域,包括采集多个水文观测站的多变量水质数据、外部驱动力数据及静态流域属性数据;进行拼接并处理缺失值,划分为时间排列的训练集、测试集和验证集作为输入;通过强化门控循环单元增强模型对长期依赖关系的捕捉;利用多尺度图注意力网络捕捉时间序列中的多层次依赖关系;整合元学习框架,融合多个子任务,输出预测值。将模型融合增强元学习与改进的Temporal Fusion Transformer相结合,融合多尺度图注意力网络和动态模型融合机制,解决复杂流域环境下水文预测模型在捕捉长期依赖关系和泛化能力方面的不足,提升多变量水文预测的精度与可靠性。
-