基于卷积神经网络和物理信息神经网络的水文数据预测方法

本申请公开了一种基于卷积神经网络和物理信息神经网络的水文数据预测方法。包括以下步骤：1)利用HEC‑RAS水文模型生成目标河道关键断面在预定时间段内的横截面积、流量、水位高程数据作为训练基准真值；2)构建与所述数据对应的时空坐标作为输入数据集；3)通过基于卷积神经网络的物理信息神经网络模型处理时空输入，其中卷积神经网络通过一维卷积提取河道空间位置的局部异质性特征，物理信息约束将圣维南方程组的连续性方程与动量方程以残差形式嵌入训练过程；4)最终直接输出目标河道的水文参数预测结果。如此，在观测数据匮乏或缺失环境下，通过融合模拟数据与物理机理约束，显著提升水文参数预测精度与模型泛化能力。