摘要
本发明属于数据处理技术领域,具体提供一种基于人工智能的洪水概率预报方法及装置,包括:基于地面观测资料和卫星遥感反演数据,采用统计降尺度模型获得降尺度后的长系列气象观测资料;构建考虑水文过程的深度学习模型;重构得到稀缺资料流域的长系列日径流过程,采用超定量取样法提取洪水事件;采用多个适用于洪水量级模拟的人工智能模型构建洪水模拟模型;基于模拟结果和实测洪水量级,采用贝叶斯模式平均方法推求各模型的权重,构建人工智能‑贝叶斯耦合模型;结合Copula函数构建实测流量和预报流量的分布函数,采用人工智能‑贝叶斯耦合模型开展洪水预报。该方法用以解决针对洪水预报未能充分考虑不确定性及人工智能技术的缺陷。
技术关键词
洪水概率预报方法
人工智能模型
卫星遥感反演
Copula函数
系列
径流
统计降尺度
概率密度函数
资料
新安江模型
深度学习模型
气象水文观测
露点温度
泰森多边形
分析气象数据
流域水文模型
联合分布函数
校正方法
系统为您推荐了相关专利信息
电力调度设备
电力调度自动化
人工智能模型
风险评估模型
故障报警信号
阈值识别方法
因子
河流生态系统
非线性映射关系
曲线
贝叶斯神经网络
人工智能模型
样本
进化算法
数据
分布式资源
Copula函数
变量
概率密度函数
调控方法