一种基于多源数据融合的河床演变预测方法

本发明提供了一种基于多源数据融合的河床演变预测方法，属于水文资源监测技术领域；利用不同的设备采集融合成多源数据，并经过数据预处理，形成统一的三维网格数据，然后基于设计的特征提取网络，生成多尺度特征图；随后基于设计的多通道卷积神经网络，在多个通道上同时学习和提取特征，对不同信息源进行层次化表达和融合；最后，基于设计的时间序列回归网络，通过双层LSTM结构提取时间序列中的复杂依赖关系，并通过自适应残差修正模块学习残差信息提高预测精度，获得最终预测结果。本发明在复杂河道环境中表现出较强的适用性和鲁棒性，通过多源数据融合和创新的特征提取及回归方法，可以应对自然因素与人为活动引起的多种河床形态变化。