基于深度学习模型的实时月径流预报方法

摘要

本发明提供基于深度学习模型的实时月径流预报方法，包括：步骤1.基于历史信息和未来气象信息收集预报因子，并根据流域历史时期月径流的自相关性分析确定前期月径流对预报月影响的最长滞时；步骤2.对训练期的预报因子和月径流数据分别进行归一化处理，再采用基于嵌入式思想的LASSO回归方法自动筛选预报因子；步骤3.采用基于划分思想的K均值聚类方法对训练期样本集进行聚类，将样本分成互不重合的K类；步骤4.计算验证集预报因子向量与K个训练集的聚类中心的距离，找到距离最近的训练集然后以该数据集训练卷积神经网络与门控循环单元网络结合的组合深度学习预报模型；步骤5.采用自回归滑动平均模型对预报残差进行实时校正。