基于神经网络与不确定性感知的水库水位预测方法及介质

本发明公开了一种基于神经网络与不确定性感知的水库水位预测方法及介质，该方法对多变量水文时序数据进行多尺度特征分解；随后，并行地对系统运行的宏观状态与微观异常度进行联合识别；接着，构建一个包含多个专家子网络及门控网络的混合专家（MoE）神经网络架构；通过设计一种不确定性感知的动态权重分配机制，利用先前识别的异常度来实时调控门控网络中Softmax函数的温度参数，从而在系统进入未知模式时强制进行更保守的决策；最后，对模型预测结果进行加权融合，并对整个系统进行端到端的优化。该方法有效克服了传统模型在面对数据分布外模式时的泛化能力不足问题，显著提升了预测的鲁棒性和精度。