基于深度神经网络替代模型的分布式水文模型参数率定方法

本发明属于分布式水文技术领域，具体涉及基于深度神经网络替代模型的分布式水文模型参数率定方法，包括：采集气象数据和地理信息，生成分布式水文模型所需的气象数据和地理数据；引入多尺度参数区域化方法，通过传递函数将地球物理特征数据与分布式水文模型参数关联起来；运行分布式水文模型进行模拟，生成对应的模拟值作为样本数据；构建深度神经网络替代模型近似分布式水文模型的输入输出关系，并使用模拟的样本数据进行训练；使用SCE‑UA优化算法在神经网络替代模型上进行参数优化，待优化的参数为传递函数的系数。本发明显著提升了分布式水文模型参数率定的效率和精度，为无资料地区或缺资料地区的参数估计提供了重要的技术参考。