基于转换器深度学习的流域洪水多步长预报方法及装置

本发明公开一种基于转换器深度学习的流域洪水多步长预报方法及装置，方法包括：考虑流域产汇流时长，构建基于自适应途径的转换器深度学习模型，智能匹配多步长洪水预报架构，采用双重自注意力机制捕捉洪水与降雨的局部与全局相依性；考虑目标函数正则化，采用亚当优化算法率定转换器深度学习模型参数；应用可解释性方法，解析输入因子对多步长洪水预报精度的贡献度，提升深度学习模型的物理可解释性。本发明构建基于自适应途径的转换器深度学习模型，确定不同洪水预见期下降雨、洪水有效输入因子；考虑双重自注意力机制和基于亚当优化算法的模型参数率定，进而不仅提高了流域洪水多步长预报的精度，而且延长了洪水预见期。