【技术实现步骤摘要】
本专利技术涉及洪水预报领域，尤其涉及一种基于multi-headed cnn模型与卫星降雨产品的洪水预报方法。
技术介绍
1、降水是引发洪水在主要因素之一，现有的研究中大多数是使用地面雨量计的办法获取降雨数据，但是对于一些偏远地区以及一些经济欠发达地区，地面雨量计的数量很少而且分布不均匀，有的地方甚至没有地面雨量计，从而导致不能及时的进行洪水预测，因此使用卫星降雨产品数据代替地面雨量计测量数据用于洪水预报研究已经成为热门的研究方向。
2、目前，现有的研究大部分都是使用的传统的水文模型，在洪水灾害的预测中取的了不错的效果。但水文模型属于基于物理机理的模型，由于水循环是一个非线性极其强烈的过程，很难通过建立精确的物理表达式去预测流量，所以有时候会导致模型的预测结果很差，以至于不能捕捉到洪峰变化情况，进而不能及时的达到预警的效果。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种基于multi-headed cnn模型与卫星降雨产品的洪水预报方法，解决对地面雨量计降雨数据的依赖，提高对洪水预测的整体变化情况，以及对洪峰以及洪峰达到的时间的准确预测。
2、技术方案：本专利技术基于multi-headed cnn模型与卫星降雨产品的洪水预报方法，包括步骤如下：
3、s1，通过earth data平台下载gpm卫星产品的降雨数据以及在全球径流中心(grdc)下载地面水文站的流量数据和流域的边界矢量数据；
4、s2，确定时间序列的迟滞窗口
5、s3，采用泰森多边形算法将gpm卫星产品的降雨数据转化为平均面积降雨量，并保存平均面积降雨量；
6、s4，对水文站的流量数据进行缺失补缺、数据异常更正及最大最小值归一化，对平均面积降雨量进行最大最小值归一化，并将平均面积降雨量和流量数据按照输入与标签进行对应；最后将处理后平均面积降雨量和流量数据按比例划分为训练集、测试集；
7、s5，根据迟滞窗口，利用python脚本语言将平均面积降雨量数据和流量数据划分为时间序列；将训练集中降雨序列和流量时间序列输入multi-headed cnn洪水预报模型进行训练，通过不断调整模型的参数得到最佳效果，保存模型；
8、s6，将测试集中的数据输入步骤s5得到的模型，进行洪水预报，判断洪峰的值以及达到的时间，并评估模型的性能。
9、进一步，步骤s1中，选择卫星产品的降雨数据的时间分辨为1天，空间分辨率为0.1°*0.1°；流量数据的时间分辨率为1天。
10、进一步，步骤s5中，所述multi-headed cnn洪水预报模型包括两路cnn网络和全连接层，每路cnn网络包括依次连接的1d卷积、1d最大池化和注意力块；
11、降雨序列和流量时间序列分别经过一路cnn网络进行学习，了解每个时间序列中的信息，最后将时间序列的信息融合，通过两个全连接层，最终输入预测的结果。
12、进一步，步骤s5中，训练模型时使用的损失函数为mse函数，公式如下：
13、
14、其中，n表示训练模型时批量输入的数量，oi表示实际观测的流量值，pi表示模型预测的流量值。
15、本专利技术与现有技术相比，其显著效果如下：
16、1、本专利技术使用gpm最新卫星降雨产品代替地面雨量计测量的降雨数据，解决的了对于地面雨量计降雨数据的依赖，在对于不发达地区也能进行洪水预报。
17、2、使用数据驱动模型去建立洪水预报模型，提高对洪水预测的整体变化情况，以及对洪峰以及洪峰达到的时间的准确预测；
18、3、使用multi-headed cnn模型，在建立降雨-流量的关系时提出使用历史流量信息作为辅助数据。
本文档来自技高网...【技术保护点】
1.一种基于Multi-headed CNN模型与卫星降雨产品的洪水预报方法，其特征在于，包括步骤如下：
2.根据权利要求1所述基于Multi-headed CNN模型与卫星降雨产品的洪水预报方法，其特征在于，步骤S1中，选择卫星产品的降雨数据的时间分辨为1天，空间分辨率为0.1°*0.1°；流量数据的时间分辨率为1天。
3.根据权利要求1所述基于Multi-headed CNN模型与卫星降雨产品的洪水预报方法，其特征在于，步骤S5中，所述Multi-headed CNN洪水预报模型包括两路CNN网络和全连接层，每路CNN网络包括依次连接的1D卷积、1D最大池化和注意力块；
4.根据权利要求1所述基于Multi-headed CNN模型与卫星降雨产品的洪水预报方法，其特征在于，步骤S5中，训练模型时使用的损失函数为MSE函数，公式如下：
【技术特征摘要】
1.一种基于multi-headed cnn模型与卫星降雨产品的洪水预报方法，其特征在于，包括步骤如下：
2.根据权利要求1所述基于multi-headed cnn模型与卫星降雨产品的洪水预报方法，其特征在于，步骤s1中，选择卫星产品的降雨数据的时间分辨为1天，空间分辨率为0.1°*0.1°；流量数据的时间分辨率为1天。
3.根据权利要求1所述基于multi-hea...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。