一种基于迁移学习的水文异常数据检测方法、系统及介质

本申请涉及一种基于迁移学习的水文异常数据检测方法、系统及介质，方法包括获取源水文数据集和目标水文数据集；计算源数据与目标数据的多种自身特征；通过动态分布对齐算法，将源数据集的特征分布与目标数据集的特征分布对齐，并将源流域模型迁移至目标流域；提取目标流域的关键特征样本进行人工标注；应用更新后的异常检测模型识别目标数据异常数据。本申请特别适用于跨流域水位、流量数据的异常检测，能够高效、准确地检测水文资料中的时间序列异常数据，有助于提高水文资料的可靠性，有效解决因流域水文特征差异导致的模型失效问题。