【技术实现步骤摘要】
本专利技术属于自然灾害领域，涉及混合深度学习的城市洪涝快速预测模型构建与评估方法。
技术介绍
1、城市洪涝是主要的极端自然灾害之一，相比于仅对易涝点或是最大淹没水深的预测相比，对全部区域在整个洪涝过程中不同时刻的洪涝范围和水深进行快速且准确地预测有助于更有效地降低损失。二维水动力模型例如lisflood-fp被广泛应用，但是该模型计算效率较低。随着人工智能的发展，人工智能技术也开始被应用于城市洪涝预测这一关键领域。例如卷积神经网络(cnn)，该模型通过分析一定数量的相关数据(气象、水文等)，建立输入与输出之间相应的数学模型，该模型计算效率较高，但其精度不高。并且，目前模型精度的评估往往是采用人工视觉的主观评估结合部分观测点的精度验证，缺乏系统且全面的模型精度评估方法，无法得知模型在不同时间、不同位置的精度表现，以及精度是否稳定。
技术实现思路
1、针对上述问题，本专利技术提出混合深度学习的城市洪涝快速预测模型构建与评估方法，旨在解决现有技术中城市洪涝预测模型的计算效率和精度不高，且缺乏全面...
【技术保护点】
1.混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，所述收集研究区域的相关数据，利用水动力模型LISFLOOD-FP计算得到洪涝过程数据集。具体为：
3.根据权利要求2所述的基于混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，所述在CNN模型的基础上串联GRU和多头注意力模块，构建城市洪涝快速预测模型具体为：GRU模型的计算公式为：
4.根据权利要求3所述的基于混合深度学习的城市洪涝快速预测模型构建与...
【技术特征摘要】
1.混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，所述收集研究区域的相关数据，利用水动力模型lisflood-fp计算得到洪涝过程数据集。具体为：
3.根据权利要求2所述的基于混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，所述在cnn模型的基础上串联gru和多头注意力模块，构建城市洪涝快速预测模型具体为：gru模型的计算公式为：
4.根据权利要求3所述的基于混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，所述在cnn模型的基础上串联gru和多头注意力模块，构建城市洪涝快速预测模型具体为：多头注意力模块的计算流程是对输入的q，k，v应用不同的可学习投影参数矩阵，然后与注意力点积，具体计算公式为：
5.根据权利要求4所述的基于混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，所述选择合适的精度评估指标具体为：选择均方根误差(rmse)、纳什系数(nse)和平均差值(diff)，作为评价时间精度的指标；具体计算公式分别为：
6.根据权利要求5所述的基于混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，所述利用所述验证数据集和所述精度评估指标评估所述城市洪涝快速预测模型的时间精度具体为：分别抽取所述城市洪涝快...
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。