一种基于深度学习的分布式水文模型水文参数网格化方法

本发明涉及一种基于深度学习的分布式水文模型水文参数网格化方法，包括以下步骤：基于VIC模型收集分区域的水文参数的特征数据，并对数据进行预处理，形成数据集；构建多层感知机MLP神经网络模型，建立输入变量与优化参数之间的映射关系;监测训练过程中的损失变化，通过散点图对比率定值与计算值，评估模型的预测精度及偏差分布；将模型参数中原有的水文参数更新为基于机器学习自动率定的水文参数，并模拟分析研究区洪水过程，进而通过Nash效率系数验证优化参数。本发明替代传统的手动调参方式，深入挖掘土壤特征数据与环境变量之间复杂的非线性关系，自动调整模型参数，提高水文模型模拟精度，并且增加水文参数的空间分布合理性和连续性。