基于LSTM神经网络的降水径流预报方法、装置及设备

本申请提供一种基于LSTM神经网络的降水径流预报方法、装置及设备。其中，所述方法包括获取基于水文分区的栅格数据作为基础数据集，并进行预处理，采用聚类算法对预处理后的数据集进行聚类处理，利用聚类处理后的数据作为训练样本，对预先构建的LSTM神经网络模型进行训练，得到降水径流预报模型，基于所述降水径流预报模型进行降水径流预报。基于该方案，通过聚类处理，可以有效提升基础数据的利用率，进而有助于更好地训练模型，此外，通过采用LSTM神经网络模型，在处理长期依赖关系时表现优异，并在能够建模过程中保留重要的历史信息，因此，相比于传统方法，可以有效提高预测精度。