一种基于强化学习和深度学习的喀斯特流域径流预测方法

一种基于强化学习和深度学习的喀斯特流域径流预测方法，利用每小时的二维降雨累积图、二维气温平均图以及流域的固定地表和地下特征，通过二维卷积神经网络进行卷积降维和特征提取，将提取的小时尺度时间序列输入长短期记忆网络构建2D‑CNN‑LSTM深度学习网络，基于改进奖励函数的DQN算法对2D‑CNN‑LSTM网络的超参数进行优化，将优化后的超参数配置到2D‑CNN‑LSTM网络，通过训练数据集对2D‑CNN‑LSTM网络进行训练，使用验证数据集对完成训练后的2D‑CNN‑LSTM网络预测性能进行验证，使用通过验证后的2D‑CNN‑LSTM网络进行径流预测。本发明可提高模型对喀斯特流域径流的预测精度。