【技术实现步骤摘要】
本专利技术涉及水文和深度学习交叉，具体为一种基于可解释贝叶斯卷积网络的地下水位概率预报方法。
技术介绍
1、地下水资源在农业、工业和饮用水供给等方面发挥重要作用，此外，地下水也是维持生态环境安全的重要保障。地下水位是衡量地下水资源可利用性的直接指标，地下水位变化也与生态系统稳定性息息相关。开展地下水位预报研究，预估未来地下水位的变化趋势，可以及时地优化制定地下水开采方案和生态环境保护策略，从而实现水资源可持续性发展和生态环境保护。
2、目前已有许多地下水位预报技术，主要分为传统物理驱动的数值模型和数据驱动的机器学习和深度学习方法两大类。其中，深度学习方法能够克服数值模型参数需求量大的限制，且相较结构较为简单的机器学习模型往往具有更好的预报性能，因此近年来已被广泛应用于地下水位预报。尽管如此，深度学习预报方法仍然面临一些挑战，主要包括模型的预报精度还需进一步提高，特别对于长预见期的地下水位预报精度仍然不够理想；深度学习模型的黑箱属性导致模型预报结果的可解释性较差，预报机制不清；此外，现有预报模型多为确定性模型，只能给出单个预报...
【技术保护点】
1.一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，其步骤包括：
2.根据权利要求1所述的一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，所述气象因子包括降水、蒸散发和温度。
3.根据权利要求1所述的一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，所述训练期数据用于训练预报模型，所述测试期内的数据用于评估模型的预报精度。
4.根据权利要求1所述的一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，将历史m个时间步的所述地下水位数据、所述气象因子数据和对应所述时间数据作为输入...
【技术特征摘要】
1.一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，其步骤包括：
2.根据权利要求1所述的一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，所述气象因子包括降水、蒸散发和温度。
3.根据权利要求1所述的一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，所述训练期数据用于训练预报模型，所述测试期内的数据用于评估模型的预报精度。
4.根据权利要求1所述的一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，将历史m个时间步的所述地下水位数据、所述气象因子数据和对应所述时间数据作为输入样本，将未来n个时间步的地下水位数据作为输出样本，构建所述输入-输出样本训练集和测试集。
5.根据权利要求1所述的一种基于可解释贝叶斯卷积网络的地下水位概率预报方法，其特征在于，将所述气象因子、所述地下水位以及相应的时间数据输入到所述可解释贝叶斯卷积网络中，依次经过一个窗口归一化normalization层、一个嵌入embedding层和全连接层处理后，输入到多个堆叠的时间模块timesblock，搭建所述可解释贝叶斯卷积网络地下水位概率预报模型。
6.根据权利要求1所述的一种基于可...
【专利技术属性】
技术研发人员：莫绍星，彭泽辰，吴吉春，施小清，曾献奎，
申请(专利权)人：南京大学，
类型：发明
国别省市：
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。