基于深度学习模型可解释研究策略的河道洪水预测方法

摘要

本发明公开了一种基于深度学习模型可解释研究策略的河道洪水预测方法，建立了更直观可靠的深度学习模型Net‑T的可解释研究策略，即采用可解释组件构建模型Net‑S，在保证两类模型预测能力差别最小的前提下，进行深度学习模型Net‑T的替代研究，对模型Net‑S进行蒸馏训练，以将训练后模型Net‑T所包含的知识提取到模型Net‑S；根据训练后的多个模型Net‑S预测结果的统计指标，选取预测结果最佳的训练后的模型Net‑S，并确定其最佳输入步长和最佳预测步长；基于所述最佳输入步长和最佳预测步长，采用所述训练后模型Net‑T实现对河道断面的水位或流量进行预测。