基于多源数据融合利用CNN-LSTM模型进行极端降水量模拟的方法

本发明公开了一种基于多源数据融合利用CNN‑LSTM模型进行极端降水量模拟的方法，首先获取研究区域多源数据，计算区域极端降水量，利用极端梯度提升模型，筛选对目标区域极端降水量影响最重要关键大气环流指数；对多源数据进行统一预处理；然后构建融合卷积神经网络和长短期记忆网络的时空预测模型，通过多特征联合训练生成深度学习预测模型；再利用预处理后的多源数据与深度学习模型对极端降水量进行时空预测。本发明将极端降水数据与大气环流指数、地形DEM数据融合在一个统一的输入框架中，使模型能够同时利用时空降水分布特征、大气环流模式和地形信息对降水进行联合预测，预测、模拟精度高。