申请/专利权人:黑河水资源与生态保护研究中心
申请日:2022-09-07
公开(公告)日:2022-12-02
公开(公告)号:CN115422840A
主分类号:G06F30/27
分类号:G06F30/27;G06N3/04;G06N3/08;G06F113/08
优先权:
专利状态码:有效-授权
法律状态:2023.10.27#授权;2022.12.20#实质审查的生效;2022.12.02#公开
摘要:本发明公开了一种基于物理模型混合深度学习模型的日尺度径流估算方法,它包括以下步骤:一基于HIMS水文模型的初步径流估算;二基于混合物理数据模型HPD,将步骤一水文模型估算的初步径流数据和其他站点观测数据作为训练数据集,获取最优HPD模型,并利用最优模型开展日径流估算。本发明具有如下有益效果:本发明结合了物理模型与深度学习模型的优点,具有良好的模拟径流的学习能力,更为准确的进行径流估算;同时对峰值径流的估算有所优化。
主权项:1.一种基于物理模型混合深度学习模型的日尺度径流估算方法,其特征在于,它包括以下步骤:步骤一利用研究区内的气象数据和径流数据通过分布式水文模型HIMS进行率定和验证,基于率定和验证后的分布式水文模型HIMS进行初步径流估算,获取初步径流估算Q’;步骤二将物理模型的输入D与输出YPHY一同作为深度学习模型fPHY的输入特征构建混合物理数据模型HPD;基于所构建的混合物理数据模型HPD,将步骤一水文模型估算获得的初步径流数据和其他站点观测数据作为训练数据集,获取最优混合物理数据模型HPD,并利用最优混合物理数据模型HPD开展日径流估算。
全文数据:
权利要求:
百度查询: 黑河水资源与生态保护研究中心 一种基于物理模型混合深度学习模型的日尺度径流估算方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。