基于深度学习可解释性技术的水文模型参数归因方法

本发明公开了一种基于深度学习可解释性技术的水文模型参数归因方法，包括资料收集；构建分布式水文模型，采用蚁群算法进行寻优参数率定，选取三种指标构建阈值约束函数以进行模型精度筛选；利用深度残差网络模型学习精度良好区域参数与气象因素和下垫面特征因子的相关关系，补全缺失资料地区或水文模拟精度不合格区域上的参数分布；运用机器学习特征重要性可解释性技术，选定特征因子计算排列重要性，最终输出归因分析结果。可解释性技术的介入有利于减弱原有机器学习“黑箱”的不确定性影响，良好解释水文模型决策过程，使得模型参数更具有物理现实意义，为水资源管理和环境保护等领域提供更加精准的预测工具。