一种基于深度学习和迁移学习的水文预报方法
基本信息
| 申请号 | CN202210380722.9 | 申请日 | - |
| 公开（公告）号 | CN114707736A | 公开（公告）日 | 2022-07-05 |
| 申请公布号 | CN114707736A | 申请公布日 | 2022-07-05 |
| 分类号 | G06Q10/04（2012.01）I;G06Q50/06（2012.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 朱齐亮;任建勋;刘静;闫晓敏;曾伟;吴丹;朱启航 | 申请（专利权）人 | 华北水利水电大学 |
| 代理机构 | 郑州芝麻知识产权代理事务所（普通合伙） | 代理人 | - |
| 地址 | 450046河南省郑州市金水东路136号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及水文预报技术领域，具体涉及一种基于深度学习和迁移学习的水文预报方法，该方法包括：筛选主要贡献特征；利用主要贡献特征的历史数据训练长短期记忆模型；基于不同主要贡献特征的贡献率的差异、对应的主要贡献特征在预设时间间隔内的贡献率衰减构建权重分配模型；根据权重分配模型获取的计算权重和训练完成的长短期记忆模型得到的训练权重之间的权重差异优化长短期记忆模型的损失函数，得到水文预报模型；根据不同量级下的预报结果与实际结果之间的误差分别对水文预报模型进行校正，得到每个量级对应的优化水文预报模型。本发明能够利用不同水文特征之间的影响优化模型的损失函数，提高网络模型的训练效果以及对最新数据的学习能力。 |
