融合注意力机制与物理递归神经网络的流域径流预报方法

本发明公开了融合注意力机制与物理递归神经网络的流域径流预报方法，本发明收集研究流域的历史水文气象数据与地理属性数据，选取日尺度水文模型，明确模型的中间通量与状态变量；构建具备物理机制约束的PRNN循环网络结构，在该结构中引入时序注意力机制，动态估计不同储水状态变量对径流模拟的相对贡献权重；以水文气象驱动因子与流域地理属性为输入，模拟生成模型内部物理参数，并结合注意力权重和目标函数的反向传播机制进行参数的协同优化；基于训练完成的耦合PRNN模型开展流域径流预报。本发明增强了模型的物理一致性与水文过程表征能力，有效提升了机器学习模型在流域径流预报中的可解释性与稳定性。