一种基于LSTM-SWAT耦合模型的洪水径流量预报方法

本发明提供一种基于LSTM‑SWAT耦合模型的洪水径流量预报方法，包括：构建SWAT分布式水文模型，并分析SWAT分布式水文模型率定及参数敏感性；引入BiLSTM深度学习模型，并耦合构建的SWAT分布式水文模型与BiLSTM深度学习模型，基于SWAT分布式水文模型的物理机制运算，在空间与时间上完成对输入气象数据的扩展；将SWAT分布式水文模型输出的多特征数据作为BiLSTM深度学习模型的输入数据，对径流进行预报。本发明通过对水文要素的拆解，突破深度学习模型可解释性差造成的输入特征参数筛选问题，进一步提升了径流预报模型效果，同时探究了多维特征参数对预报性能的影响，可为洪水期间河口环境的研究提供新的解决方案。