一种基于双向长短期记忆网络与多源数据融合的流域降雨径流预测方法及系统

本发明公开了一种基于双向长短期记忆网络与多源数据融合的流域降雨径流预测方法及系统，涉及流域降雨径流预测技术领域，包括：采集流域的多源数据并进行预处理；根据预处理后的数据构建基于流域降雨径流预测模型；对模型进行训练并在MSE损失中引入水量平衡约束项进行模型优化；进行数据稀缺流域的模型动态权重迁移学习，预训练模型在相似流域数据上，通过领域自适应微调模型参数，得到最优的流域降雨径流预测模型；获取实时数据，输入至最优的流域降雨径流预测模型中得到预测结果。本发明通过BiLSTM-ATT相比单向LSTM在洪峰预测中误差降低，通过水量平衡约束项保障预测结果符合水文规律，通过迁移学习模块支持跨流域快速部署。...

Full description

Saved in:
Bibliographic Details
Format Patent
LanguageChinese
Published 12.08.2025
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
ELECTRIC DIGITAL DATA PROCESSING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:本发明公开了一种基于双向长短期记忆网络与多源数据融合的流域降雨径流预测方法及系统，涉及流域降雨径流预测技术领域，包括：采集流域的多源数据并进行预处理；根据预处理后的数据构建基于流域降雨径流预测模型；对模型进行训练并在MSE损失中引入水量平衡约束项进行模型优化；进行数据稀缺流域的模型动态权重迁移学习，预训练模型在相似流域数据上，通过领域自适应微调模型参数，得到最优的流域降雨径流预测模型；获取实时数据，输入至最优的流域降雨径流预测模型中得到预测结果。本发明通过BiLSTM-ATT相比单向LSTM在洪峰预测中误差降低，通过水量平衡约束项保障预测结果符合水文规律，通过迁移学习模块支持跨流域快速部署。
Bibliography:Application Number: CN202510542838