一种基于CS-LSTM的洪水预报方法

摘要

本发明提出了一种基于CS‑LSTM的洪水预报方法，用于解决现有预测模型中参数选取不准确，造成模型的预测性能差的技术问题。其步骤为：首先，采集目标水文站的特征参量作为样本数据，对样本数据进行归一化处理，并将归一化后的样本数据按时间顺序划分为训练集和验证集；其次，构建基于长短时记忆神经网络的洪水预报模型，利用布谷鸟搜索算法和训练集、验证集对洪水预报模型进行迭代寻优，得到最终的洪水预报模型；最后，将待预测的特征参量输入最终的洪水预报模型中，得到预测结果。本发明能够准确的预测未来预见期下的洪水过程，可为水文水资源管理和水库调度提供一定的依据，为深度学习在水文领域的应用提供借鉴。