摘要
本发明公开了一种基于图卷积Transformer的洪水类型预测方法,本发明根据研究区水文站雨量站观测的流量和降水资料提取暴雨事件和洪水事件,分别根据暴雨事件和洪水事件构建暴雨图和洪水图;利用考虑注意力机制的图卷积神经网络提取洪水图的全图综合特征,并使用肘部法则确定最优聚类数,然后用K‑means聚类方法进行洪水分类;利用考虑注意力机制的图卷积神经网络提取暴雨图的动态特征,并通过Transformer获取暴雨时空特征;将所有暴雨时空特征划分训练集和验证集,以洪水类型为监督信号,训练洪水类型预测模型并进行洪水类型预测。本发明综合考虑了暴雨洪水的时空特征,提高了预测精准度。
技术关键词
卷积神经网络提取
注意力机制
肘部法则
栅格
静态特征
预测类别
节点特征
预测模型训练
空间分布特征
动态
特征值
优化器
多层感知器
总量
标签
样本
关系
资料
系统为您推荐了相关专利信息
建筑物提取方法
融合注意力机制
邻域
局部特征信息
局部特征提取
数据标签
主题数据
数据存储
静态特征
数据访问接口
区间预测方法
灰色关联度分析
多头注意力机制
序列
算法
多模态数据融合
边坡灾害
多模态传感器
机器狗
风险评估方法