一种基于深度学习的少资料小流域水位预报方法

本发明公开了一种基于深度学习的少资料小流域水位预报方法，包括：获取小流域上游多个雨量站的历史逐小时降雨数据及下游水位站的历史逐小时水位数据；对获取的数据进行预处理，筛选24小时内单小时降雨量达到15mm以上的降雨场次及对应水位数据；通过双生成GAN模型进行数据增强，第一GAN模型以白噪声为输入生成模拟降雨数据，第二GAN模型以降雨数据为输入生成模拟水位数据，合并历史数据与模拟数据，归一化后按比例分割成训练集、验证集和测试集；构建CNN‑LSTM混合预测模型，以纳什系数为优化目标训练模型，采用渐进式验证策略对预测模型进行验证；部署模型进行实时水位预测，获得水位预报结果。本发明能够突破少资料瓶颈，实现小流域水位高精度山洪预警。