基于数据动态清洗和自适应递归神经网络的复杂河网洪水预测方法

本发明公开了一种基于数据动态清洗和自适应递归神经网络的复杂河网洪水预测方法，包括以下步骤：S1收集研究区域内的洪水监测数据；S2通过基于洪水分级的速度约束动态清洗方法，对数据进行异常值检测与修正；S3利用滑动窗口机制和数据归一化技术，对清洗后的数据进行预处理，并设置多个用于直接多步预测的预见期窗口；S4构建并优化自适应递归神经网络模型，所述模型包括门控循环单元层和瓶颈层；S5通过网格搜索和自适应动量估计优化器对超参数进行优化，并最终确定模型配置；S6基于确定的模型配置进行完整训练与测试；S7通过训练好的模型进行洪水预测。该模型结合实际监测数据，实现了不同预见期的河网洪水智能预报，显著提升了洪水预测的精度与稳定性。