一种基于贝叶斯卷积神经网络的城市洪水预测方法

本发明公开了一种基于贝叶斯卷积神经网络的城市洪水预测方法，包括：收集研究区域历史降雨事件，用水动力模拟软件模拟不同降雨事件得到最大淹没水深；选取影响内涝水深的特征变量，包括10个降雨特征变量和10个空间特征变量；考虑不确定性构建贝叶斯卷积神经网络预测模型；基于损失函数MAE对模型进行训练；将验证集中数据输入至训练好的模型中，对输出的近似后验分布求取均值，作为水深的预测值。计算、分析特征变量与目标变量的关系，将不同数据进行有效融合，并且考虑了可能存在的不确定性来源的基础上提出的本方法，不仅实现了对研究区域淹没水深的大小及范围的预测，并量化了预测的不确定性，为实时洪水灾害管理提供支持。