摘要
本发明提供一种基于水文数据特征提取与样本增强的洪水智能预报方法、系统、设备及介质,首先,收集历史洪水事件数据,并通过LASSO方法进行特征提取,将数据划分为训练集和测试集;其次,采用高斯数据增强对训练集添加高斯噪声;然后,构建基于GANformer的洪水智能预报模型;采用Sobol序列和正余弦优化策略对开普勒优化算法KOA进行改进,利用改进后的IKOA算法优化GANformer模型的学习率、批次大小和隐藏层数等重要参数;最后,将优化后的GANformer模型应用于洪水预报,为防洪减灾提供实时、准确的洪水预警信息。本发明能有效提高洪水预报的准确性和可靠性,为防洪减灾工作提供有力支撑。
技术关键词
数据特征提取
智能预报方法
双向注意力
地理信息系统数据
水文参数
太阳
数据收集模块
样本
特征提取模块
物体
策略
生成对抗网络
算法
对象
序列
训练集
生成特征
系统为您推荐了相关专利信息
数据分类分级
敏感性特征
数据特征提取
深度学习网络提取
风险
图像检验方法
流水
数据特征提取
图像特征提取模型
图像分类模型
混合智能优化方法
多源异构监测数据
水文参数
水文模型
参数敏感性分析
分布式存储方法
断点
分布式存储装置
序列
染色体