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：南京信息工程大学

摘要：本发明公开了一种基于Multi‑headedCNN模型与卫星降雨产品的洪水预报方法，通过使用历史的卫星降雨量数据与流域的水文站的流量数据，挖掘研究流域降雨‑流量的隐藏信息，去预测未来短期的流域的流量。包括步骤如下：获取历史的卫星降雨产品的数据以及所地面水文站实际测量的流量数据和流域边界的矢量数据；确认时间序列的迟滞窗口；通过ArcGIS平台中的泰森多边形算法将卫星降雨产品转化为平均面积降雨量；数据预处理以及划分训练集与测试集；构建预报模型以及参数的调整；对洪水进行预测评估模型的性能。本发明具备高度重建非线性函数的独特优越性，能对洪峰值以及洪峰达到的时间进行估计，有效提高洪水的预报精度。

主权项：1.一种基于Multi-headedCNN模型与卫星降雨产品的洪水预报方法，其特征在于，包括步骤如下：S1，通过earthdata平台下载GPM卫星产品的降雨数据以及在全球径流中心下载地面水文站的流量数据和流域的边界矢量数据；S2，确定时间序列的迟滞窗口大小；S3，采用泰森多边形算法将GPM卫星产品的降雨数据转化为平均面积降雨量，并保存平均面积降雨量；S4，对水文站的流量数据进行缺失补缺、数据异常更正及最大最小值归一化，对平均面积降雨量进行最大最小值归一化，并将平均面积降雨量和流量数据按照输入与标签进行对应；最后将处理后平均面积降雨量和流量数据按比例划分为训练集和测试集；S5，根据迟滞窗口，利用python脚本语言将平均面积降雨量数据和流量数据划分为时间序列；将训练集中降雨时间序列和流量时间序列输入Multi-headedCNN洪水预报模型进行训练，通过不断调整模型的参数得到最佳效果，保存模型；所述Multi-headedCNN洪水预报模型中各个层的功能如下：根据步骤S2中设置的窗口大小，平均面积降雨量时间序列和流量时间序列的形状为4，14，1；平均面积降雨量时间序列通过两个1D卷积层后，学习两个时间序列中的信息特征，形状变为4，10，1；再将输入一个1D最大池化层，提取时间序列信息中明显的特征信息，此时形状变为4，5，1；再将1D最大池化层的输出送入注意力层进行详细的信息提取，最终输出的形状变为4，128；同理，流量时间序列通过两个1D卷积层后，学习两个时间序列中的信息特征，形状变为4，10，1；再将输入一个1D最大池化层，提取时间序列信息中明显的特征信息，此时形状变为4，5，1；再将1D最大池化层的输出送入注意力层，最终输出的形状变为4，128；两同路的信息处理完成后，将两个序列的信息输入到结合层，最终使形状变为4，256；接着，将连接的时间序列输入给Dense层，形状变为4，128，最后再输入给Dense层输出预测的结果；S6，将测试集中的数据输入步骤S5得到的模型，进行洪水预报，判断洪峰的值以及达到的时间，并评估模型的性能。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于Multi-headed CNN模型与卫星降雨产品的洪水预报方法