基于可微分参数学习的水文混合建模方法

本发明公开了一种基于可微分参数学习的水文混合建模方法，对水文模型进行可微分化重构；建立参数学习神经网络；将参数学习神经网络耦合到重构的水文模型中，形成耦合数据驱动和传统水文模型的混合模型。本发明的优点在于在水文模型之前引入了一个参数学习神经网络。从收集到的数据中，学习预测水文模型所需的参数，再利用水文模型进行径流的预测。同时径流的观测值作为参数学习神经网络的约束，用于调整参数学习神经网络的输出，构成部分黑箱化的水文模型，解决了当前气候变化和人类活动带来的水文特征在时间和空间上变异对传统水文模型预测精度的影响，提高了径流的预测精度。