摘要
本发明提供一种河网区大型湖泊中长期入湖径流预测方法,包括:收集数据并将支流划分为低、中、高三类影响分支;采用SWAT模型和物理约束的LSTM模型分别预测低、中影响分支径流;筛选与高影响分支相关的低、中影响分支径流预测结果作为预测因子,构建DBN‑BP模型实现高影响分支径流的辗转预测;采用条件归一化流模型构建径流概率分布,并通过非参数残差模型实现误差校正。本发明针对河网区域差异化建模,结合物理约束和数据驱动方法,解决了人类活动干扰和未控区间径流预测难题,有效提升预测精度,为水资源管理提供决策支持。
技术关键词
径流预测方法
分支
残差模型
SWAT模型
BP模型
拉普拉斯
指标
因子
人类
误差校正
数据驱动方法
三角模糊数
LSTM模型
物理
超参数
矩阵
模糊理论
算法
系统为您推荐了相关专利信息
辅助诊断系统
染色
深度学习网络模型
轮廓
构建深度学习网络
运动意图
外骨骼机器人
分析方法
分支
多模态数据采集
手势识别模型
注意力机制
手势识别方法
手势识别系统
数据收集模块
智能调速方法
污水泵
果蔬
动态预测模型
智能调控
桥梁缆索
加载反力架
动态特征选择
LSTM神经网络
智能控制系统