一种考虑动态权重预测的深度学习模型集合径流预报方法

本发明公开了一种考虑动态权重预测的深度学习模型集合径流预报方法，本发明首先收集研究流域的降水、气温、潜在蒸散发和径流等水文气象数据，并划分训练期和测试期，并基于训练期水文气象数据，构建研究流域的深度学习径流预报模型集合。然后基于动态贝叶斯平均算法，计算多个深度学习径流预报模型的动态权重序列，并构建以深度学习径流预报模型权重的预测模型。最后根据CMIP6未来气候数据产品中的权重预测因子数据，预测未来权重对多个深度学习径流预报模型径流预报结果进行加权平均得到流域的未来径流过程。本发明能够捕捉到单个深度学习径流预报模型性能在时间尺度上的变化，在一定程度上可以提高径流预测的精度。