[发明专利]一种基于深度学习的特征提取水文预报的方法

摘要

本发明提供了一种基于深度学习的特征提取水文预报的方法，属于水资源高效利用与水文预报领域，方法包括：首先利用流域历史信息获得流域水文预报特征因子集合，其次利用数据挖掘算法训练特征因子集合并获得不同因子作用下“量值”和“过程形态”相似的多组场次洪水过程集合，然后基于深度学习算法开展传统水文预报中各模型、方法的参数率定，并形成模型、方法与参数方案配套的模型库和方法库，最后结合聚类分析完成水文预报计算。相对于已有方法，本发明有效改进了传统水文预报方法预报精度较低、有效预见期较短等不足，在开展水文预报时能够明显提高预报精度、延长预见期，具有良好的适用性和可行性，为流域水文预报提供了行之有效的技术方法。

主权项

1.一种基于深度学习的特征提取水文预报的方法，其特征在于，依次包括如下步骤：/nS1、提取流域历史信息，通过对所有历史信息进行物理成因分析、相关性分析和显著性检验，获得流域水文预报特征因子集合；/nS2、利用数据挖掘算法针对水文预报特征因子集合进行训练，获得不同因子作用下量值和过程形态相似的多组场次洪水过程集合；/nS3、构建传统水文预报模型库和方法库，基于步骤S2所述特征因子和场次洪水过程，采用深度学习算法开展模型、方法的参数率定，获得对应不同模型和方法的多组参数方案的集合，并形成模型、方法与参数方案配套的模型库和方法库；/nS4、针对预见期内可能出现的洪水过程，提取其所能获得的基础信息，通过聚类分析方法实现基础信息和所述特征因子集合的匹配，进而获得可能发生洪水的所述量值和所述过程形态，然后在模型库和方法库中选择相应的模型、方法及配套参数完成水文预报计算，以获得预报信息；/nS5、进行预报效果检验，判断预报精度是否满足需求，若是，则结束预报；若否，则重复所述步骤S4，更换模型、方法及配套参数重新预报，直至预报精度满足要求为止。/n