[发明专利]基于长短时记忆网络和迁移学习的洪水预测方法与装置

摘要

本发明提出了一种基于长短时记忆网络和迁移学习的洪水预测方法与装置，在收集到资源流域的洪水数据信息后，通过对流域自然环境的余弦相似度计算，筛选出相似度高的流域作为源流域进行数据迁移，再利用DTW算法计算源流域与目标流域的洪水相似性，将计算出的洪水相似度与水文数据组成输入矩阵，作为模型的输入，然后利用Attention机制计算出加权数据，以便模型更好的挖掘重要特征因子的信息，最后将加权数据矩阵输入LSTM网络中建立洪水预测模型，对目标流域未来的洪水流量进行预测。本发明方法一方面克服了针对特定流域洪水预测问题中数据匮乏的特点，另一方面充分利用了LSTM网络对处理时间序列问题的优越性能，洪水预测更加准确。