摘要
本发明提供双向率定的双驱动水文预报建模方法及系统,正向率定得到产流子模型和汇流子模型;采用正向率定后的汇流子模型,以流域出口断面径流观测数据为已知反向推导出产流量理想值;以产流量理想值为标签对深度学习产流量预测模型训练,并得到深度学习产流量预测值;以深度学习产流量预测值为正向率定后的汇流子模型输入,对正向率定后的汇流子模型进行二次正向率定,训练完成的深度学习产流量预测模型和二次正向率定后的汇流子模型形成水文预报模型。本发明通过双向率定机制和耦合物理机制与深度学习方法,有效提升模型的非线性拟合能力和水文预报精度,降低对长期高质量实测数据的依赖,增强模型的适应性和泛化能力,具有广泛的行业应用前景。
技术关键词
流量预测模型
水文预报模型
汇流
训练样本集
建模方法
径流
机制
参数
标签
物理
数据
泰森多边形
深度学习方法
建模系统
模块
非线性
代表
时序
指数