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：浙江省水利河口研究院(浙江省海洋规划设计研究院)

摘要：本发明公开了一种基于多AI模型融合及参数优化的山洪预报方法，该方法是通过收集研究区历史山洪灾情数据，提取典型山洪灾情，构建山洪灾害发展链，识别山洪驱动因子；构建多种基于AI模型的山洪预报模型，融合多种山洪预报模型得到综合山洪预报模型；提取综合山洪预报模型多目标参数和超参数，采用集成优化算法优化综合山洪预报模型多目标参数和超参数，得到模型参数多目标优化模型；模型参数多目标优化模型的多目标转化为单目标，构建山洪预报优化模型，提取山洪驱动因子输入山洪预报优化模型，得到研究区山洪灾害预报。本发明与传统方法相比，能够在更短的时间给出更为精确的山洪预报，在时效上满足了山洪预报的需求。

主权项：1.一种基于多AI模型融合及参数优化的山洪预报方法，其特征在于，包括如下步骤：步骤S1、收集研究区历史山洪灾情数据，提取典型山洪灾情，构建山洪灾害发展链，识别山洪驱动因子；具体为：步骤S11、收集研究区历史山洪灾情数据，包括：气候背景、天气系统、致灾暴雨雨量、地形和山洪数据；步骤S12、采用耦合聚类分析法从历史山洪灾情中提取X类典型山洪灾情，X为大于5的自然数；步骤S13、提取历史山洪数据分别输入预构建的X类典型山洪灾情的分布式气象-水文耦合系统动力学模型，得到n条大回路和m条小回路，构建气候背景、天气系统、致灾暴雨雨量、地形以及山洪的山洪灾害发展链，n为大于1的自然数，m为大于5的自然数；步骤S14、基于山洪灾害发展链采用摄动-响应法识别山洪驱动因子；步骤S2、构建多种基于AI模型的山洪预报模型，融合多种山洪预报模型得到综合山洪预报模型；具体为：步骤S21、分别构建循环神经网络模型、长短时记忆网络模型和卷积神经网络模型；步骤S22、依次采用随机森林和梯度提升树集成循环神经网络模型、长短时记忆网络模型和卷积神经网络模型，得到随机森林集成学习模型和梯度提升树集成学习模型；步骤S23、基于卷积神经网络模型、气候背景和天气系统构建时空卷积神经网络模型；步骤S24、采用堆叠法融合随机森林集成学习模型、梯度提升树集成学习模型和时空卷积神经网络模型，得到综合山洪预报模型；步骤S3、提取综合山洪预报模型多目标参数和超参数，采用集成优化算法优化综合山洪预报模型多目标参数和超参数，得到模型参数多目标优化模型；步骤S4、将模型参数多目标优化模型的多目标转化为单目标，构建山洪预报优化模型，提取山洪驱动因子输入山洪预报优化模型，得到研究区山洪灾害预报。

全文数据：

权利要求：

百度查询： 浙江省水利河口研究院(浙江省海洋规划设计研究院) 一种基于多AI模型融合及参数优化的山洪预报方法