龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：水利部交通运输部国家能源局南京水利科学研究院
摘要：本发明公开了一种基于多时间尺度深度学习网络的降雨径流模拟方法，包括获取目标流域内各水文站点不同时间尺度的气象数据和该流域出口径流数据，并对气象数据进行预处理；基于卷积神经网络CNN与长短期记忆神经网络LSTM进行融合训练建模，生成多时间尺度深度学习网络模型；以预处理后的数据作为输入，利于多时间尺度深度学习网络模型模拟径流量值。本发明通过构建多时间尺度的降雨径流模拟方法，弥补了传统方法无法在同一个模型中模拟不同时间尺度径流的局限和不足，也更深入利用不同时间尺度的特征取得更好的预测效果，提升水文模拟精度。广泛应用于降雨径流模拟中，能完整的完成径流模拟和预测，为科学决策提供依据。
主权项：1.基于多时间尺度深度学习网络的降雨径流模拟方法，其特征在于，包括如下步骤：步骤S1：获取目标流域内各水文站点不同时间尺度的气象数据和该流域出口径流数据，并对气象数据进行预处理；步骤S2：基于卷积神经网络CNN与长短期记忆神经网络LSTM进行融合训练建模，生成多时间尺度深度学习网络模型CNN-LSTM；以步骤S1中预处理后的数据作为输入，利于多时间尺度深度学习网络模型CNN-LSTM模拟径流量值，具体包括：步骤S2.1：对目标流域不同时间尺度预处理后的数据，采用卷积神经网络CNN提取潜在特征，然后进行池化处理，形成四维的特征矩阵，再把不同时间尺度的特征矩阵进行拼接，同时提取数据中的中长期信息与短期信息；步骤S2.2：将步骤S2.1中池化后的数据进行展平，并输入到长短期记忆神经网络LSTM模型中进行训练，模拟径流量值；步骤S3：选取步骤S1中前70%时间序列的气象数据作为训练集，采用多任务输出，同时预测不同时间尺度的径流输出，并在均方误差优化目标上加入多时间尺度径流过程的惩罚项，再次训练多时间尺度深度学习网络模型；步骤S4：利用步骤S3中再次训练的多时间尺度深度学习网络模型，对目标流域的多时间尺度径流量同时进行预测。
全文数据：
权利要求：
百度查询： 水利部交通运输部国家能源局南京水利科学研究院 基于多时间尺度深度学习网络的降雨径流模拟方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号