基于多时间尺度深度学习网络的降雨径流模拟方法

本发明公开了一种基于多时间尺度深度学习网络的降雨径流模拟方法，包括获取目标流域内各水文站点不同时间尺度的气象数据和该流域出口径流数据，并对气象数据进行预处理；基于卷积神经网络CNN与长短期记忆神经网络LSTM进行融合训练建模，生成多时间尺度深度学习网络模型；以预处理后的数据作为输入，利于多时间尺度深度学习网络模型模拟径流量值。本发明通过构建多时间尺度的降雨径流模拟方法，弥补了传统方法无法在同一个模型中模拟不同时间尺度径流的局限和不足，也更深入利用不同时间尺度的特征取得更好的预测效果，提升水文模拟精度。广泛应用于降雨径流模拟中，能完整的完成径流模拟和预测，为科学决策提供依据。