一种基于静态物理特征增强和区域模型的径流预测方法

本发明公开了一种基于静态物理特征增强和区域模型的径流预测方法，收集区域内所有中小流域的静态物理特征，以及典型历史洪水过程中监测到的时序数据和各个测站的气候数据；并对数据进行处理；构建基于静态物理特征增强的洪水预报模型SE‑LSTM，包括编码器和解码器，其中编码器Encoder采用Bi‑LSTM作为骨架，学习过去监测值和未来预报值对当前时刻流量的影响；编码器中的静态特征融合模块SFU放大每个时刻对流量影响最大的流域静态特征；解码器Decoder采用LSTM作为骨架处理输入，利用编码器中学习到的模式进行预测。本发明能够有效的利用各个小流域的静态特征，学习各个流域中径流模式，使其在面对极端事件的时候有更好的预测精度。