摘要
本发明公开了一种时序增强深度学习洪水预报方法、装置、设备和介质;方法为:收集水文气象数据;采用主成分分析法对数据集中的原始数据进行降维处理;划分不同的洪水预见期;构建时序增强的深度学习模型,通过构建好的时序增强的深度学习模型对不同预见期的洪水流量进行多次模拟,得到不同预见期的多个模拟预测值,并用决定系数R2评价得到的模拟预测值;通过多次模拟预测值训练误差校正模型,对时序增强深度学习模型的模拟误差进行预测,得到误差校正值;将时序增强的深度学习模型和误差校正模型进行结合,得到改进的时序增强深度学习的洪水预报模型,所述洪水预报模型输出预测结果,所述预测结果为所述的误差矫正值和所述的模型预测值之和。
技术关键词
洪水预报方法
深度学习模型
时序
模型预测值
卷积神经网络模型
洪水预报模型
误差校正
主成分分析法
数据采集模块
优化器
中央处理器
计算机可读指令
输出模块
误差预测
数据处理模块
贡献率
矫正
系统为您推荐了相关专利信息
地质灾害预测方法
卷积特征提取
岩土工程
特征提取模块
数据分析单元
体育训练方法
虚拟现实训练
动作规范
关键点
运动员
敏感数据识别方法
卷积神经网络模型
敏感数据识别系统
节点特征
注意力机制算法
宠物手推车
性能预测方法
融合特征
空间分布特征
多源异构数据