一种基于深度学习的特征提取水文预报的方法技术

本发明专利技术涉及水文预报技术领域，尤其为一种基于深度学习的特征提取水文预报的方法，包括以下步骤：S1，在服务器内构建水文特征提取卷积网络模型，通过网络收集洪水发生时的水文特征，并将收集到的水文特征组成训练集A，将训练集A送入水文特征提取卷积网络模型中，水文特征提取卷积网络模型对训练集进行处理，得到处理集B；S2，对处理集B进行归一化处理，得到归一数据集C，将归一数据集C送入判定函数内，得到判断值，将判断值与判断阈值进行对比，本发明专利技术可以有效解决现有的水位预报方法仍然存在着仍然存在的精度偏低、预见期不足、难以满足时代发展、社会进步所要求的越来越高的预报精度要求，而且极易造成数据资源浪费的问题。而且极易造成数据资源浪费的问题。

【技术实现步骤摘要】
一种基于深度学习的特征提取水文预报的方法


[0001]本专利技术涉及水文预报
，具体为一种基于深度学习的特征提取水文预报的方法。

技术介绍

[0002]水文预报既是水旱灾害防御的重要技术支撑，又是水库兴利调度和资源高效利用的重要手段，水文预报的相关模型和方法众多，大都能够反映水文学的一些基本规律，但由于人类对流域水文气象现象认识有限，自然界规律变化又错综复杂，传统模型和方法难以全面反映客观规律，例如统计类预报方法通常面临物理意义考虑不充分的问题，而陆气耦合类方法往往存在气象信息与水文模型空间尺度不匹配的矛盾。
[0003]现有的水位预报方法仍然存在着仍然存在精度偏低、预见期不足的问题，不仅难以满足时代发展、社会进步所要求的越来越高的预报精度要求，而且极易造成数据资源的浪费的问题。
[0004]因此，需要一种基于深度学习的特征提取水文预报的方法来解决上述
技术介绍
中提出的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于深度学习的特征提取水文预报的方法，以解决上述
技术介绍
中提出的问题。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的特征提取水文预报的方法，其特征在于，包括以下步骤：S1，在服务器内构建水文特征提取卷积网络模型，通过网络收集洪水发生时的水文特征，并将收集到的水文特征组成训练集A，将训练集A送入水文特征提取卷积网络模型中，水文特征提取卷积网络模型对训练集进行处理，得到处理集B；S2，对处理集B进行归一化处理，得到归一数据集C，将归一数据集C送入判定函数内，得到判断值，将判断值与判断阈值进行对比，若判断值大于判断阈值，则将训练集A重新送入水文特征提取卷积网络模型中，并更改水文特征提取卷积网络模型的处理参数，水文特征提取卷积网络模型对训练集A进行再一次处理，直到得到的判断值小于判断阈值，若判断值小于判断阈值，则保存此时水文特征提取卷积网络模型的处理参数；S3，将当前的水文特征数据输入水文特征提取卷积网络模型中，水文特征提取卷曲网络模型对水文特征数据进行预测处理，得到水文预测结果。2.根据权利要求1所述的一种基于深度学习的特征提取水文预报的方法，其特征在于：所述水文特征提取卷曲网络模型由六个卷积层、六个池化层以及两个处理预测层组成，六个池化层与六个卷积层一一对应，并处理对应卷积层输出的特征数据，两个处理预测层采用全连接，并接收池化层输入长度数据。3.根据权利要求1所述的一种基于深度学习的特征提取水文预报的方法，其特征在于：所述S2中归一化处理的公式为：,其中V
′
为归一化后的数据，为处理集B中的数据平均值...

【专利技术属性】
技术研发人员：王洁，梁峰铭，王丽荣，孙彤，葛慧，解文娟，
申请(专利权)人：河北省气象灾害防御和环境气象中心河北省预警信息发布中心，
类型：发明
国别省市：