申请/专利权人:清华大学
申请日:2023-12-28
公开(公告)日:2024-03-29
公开(公告)号:CN117787374A
主分类号:G06N3/08
分类号:G06N3/08;G06F16/29;G01W1/10;G01C13/00;G06N3/0985;G06N3/0442;G06N3/045;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本公开涉及一种径流预报模型训练、径流预报方法及装置、电子设备,该方法包括:对目标区域进行流域划分确定多个子流域;确定每个子流域对应的平均气象驱动数据、静态流域属性数据和河段属性数据;基于深度学习和生态水文过程耦合的径流预报模型,根据每个子流域对应的平均气象驱动数据、静态流域属性数据和河段属性数据,确定每个子流域对应的径流预报结果;根据目标区域内的第一水文站的径流监测数据,以及每个第一水文站所在子流域对应的径流预报结果,确定径流预报模型对应的预报损失;根据预报损失训练径流预报模型,训练好的径流预报模型用于对目标区域的任意一个子流域进行径流预报。本公开实施例可以准确可靠地对缺资料流域进行径流预报。
主权项:1.一种径流预报模型训练方法,其特征在于,包括:对目标区域进行流域划分,确定多个子流域;确定每个所述子流域对应的平均气象驱动数据、静态流域属性数据和河段属性数据,其中,所述平均气象驱动数据表示所述子流域的气象数据;基于深度学习和生态水文过程耦合的径流预报模型,根据每个所述子流域对应的平均气象驱动数据、静态流域属性数据和河段属性数据,确定每个所述子流域对应的径流预报结果;根据所述目标区域内的第一水文站的径流监测数据,以及每个所述第一水文站所在子流域对应的径流预报结果,确定所述径流预报模型对应的预报损失,其中,所述第一水文站为所述目标区域内预设的用于进行模型训练,并在时间维度对所述径流预报模型进行准确性验证的水文站;根据所述预报损失,训练所述径流预报模型,其中,训练好的所述径流预报模型用于对所述目标区域的任意一个子流域进行径流预报。
全文数据:
权利要求:
百度查询: 清华大学 径流预报模型训练、径流预报方法及装置、电子设备
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。