基于模态分解和深度学习的暴雨山洪致灾要素预测方法及系统

本发明公开了基于模态分解和深度学习的暴雨山洪致灾要素预测方法及系统，解决了传统模型对非线性时序特征捕捉不足、物理模型依赖复杂数据及泛化能力弱的问题。包括采集上游站点的流量、流速和水位数据作为输入，下游受灾点数据作为输出；对数据预处理；采用霜冰优化算法优化变分模态分解参数；构建傅里叶变换高低频特征增强注意力网络，划分低频与高频成分，通过波动增强模块提取趋势特征，多路径差分计算单元捕捉动态变化，并引入自我感知注意力实现特征加权融合与长期记忆，输出下游水文状态预测结果。本发明通过优化模态分解与深度学习协同机制，显著提升了突发性山洪预测的精度、鲁棒性及泛化能力，适用于中小流域复杂场景下的灾害应急管理。