科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于混合深度学习模型的洪水过程概率预报方法,包括：首先收集研究流域气象水文基础资料,建立概念性模型,预报多时段的洪水过程,其次以概念性模型预报流量过程为外源输入,在基于外源输入编码-解码结构的长短时记忆(LSTM-EDE)神经网络输出层嵌套混合密度网络(MDN),构建混合LSTM-EDE-MDN概率预报模型,同时采用极大似然估计法建立损失函数,训练神经网络参数,最终获得每个预见期的条件分布函数和预报区间,从而量化预报不确定性。本发明耦合了以概念性模型预报流量为外源输入的LSTM-EDE神经网络和MDN,解决了曝光偏差问题,还可以在考虑输出变量时间相关性前提下,获得多时段洪水过程概率预报,提高了深度学习模型的适用性、可解释性和可信度。
- 单位
