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：中山大学

摘要：本公开提供一种水文气象深度学习预报模型的可解释性评价方法和系统，包括：从预先构建的水文预报数据库中获取目标特征数据；基于目标特征数据确定水文气象深度学习预报模型；基于期望梯度方法对水文气象深度学习预报模型进行预测解释，得到第一预测解释数据；基于梯度权重的类激活映射方法对水文气象深度学习预报模型进行预测解释，得到第二预测解释数据；基于逐层相关传播方法对水文气象深度学习预报模型进行预测解释，得到第三预测解释数据；基于第一预测解释数据、第二预测解释数据和第三预测解释数据，对水文气象深度学习预报模型进行模型优化。从而，有效提升模型的可靠性和鲁棒性。

主权项：1.一种水文气象深度学习预报模型的可解释性评价方法，其特征在于，包括：从预先构建的水文预报数据库中获取目标特征数据；基于所述目标特征数据确定水文气象深度学习预报模型，所述水文气象深度学习预报模型用于通过区域降水数据预测区域土壤湿度数据；基于期望梯度方法对所述水文气象深度学习预报模型进行预测解释，得到第一预测解释数据；基于梯度权重的类激活映射方法对所述水文气象深度学习预报模型进行预测解释，得到第二预测解释数据；基于逐层相关传播方法对所述水文气象深度学习预报模型进行预测解释，得到第三预测解释数据；基于所述第一预测解释数据、所述第二预测解释数据和所述第三预测解释数据，对所述水文气象深度学习预报模型进行模型优化；其中，所述基于期望梯度方法对所述水文气象深度学习预报模型进行预测解释，得到第一预测解释数据，包括：将第一降水数据输入所述水文气象深度学习预报模型中，得到第一土壤湿度预测数据，所述第一降水数据对应有基线降水量和目标降水量；基于所述第一降水数据对应的基线降水量和目标降水量、以及所述第一土壤湿度预测数据，确定所述第一降水数据对应的局部梯度表征数据；基于所述第一降水数据对应的局部梯度表征数据，确定所述第一预测解释数据，所述第一预测解释数据用于描述所述第一土壤湿度预测数据相对于所述第一降水数据的期望梯度表征；所述基于梯度权重的类激活映射方法对所述水文气象深度学习预报模型进行预测解释，得到第二预测解释数据，包括：将第二降水数据输入所述水文气象深度学习预报模型中，得到第二土壤湿度预测数据；基于所述第二土壤湿度预测数据相对于所述水文气象深度学习预报模型中预设卷积层的卷积梯度数据，确定对应的多个特征图权重；基于多个所述特征图权重对每个特征图进行加权组合，得到所述第二预测解释数据；所述基于逐层相关传播方法对所述水文气象深度学习预报模型进行预测解释，得到第三预测解释数据，包括：将第三降水数据输入所述水文气象深度学习预报模型中，得到第三土壤湿度预测数据；获取所述第三土壤湿度预测数据相对于所述水文气象深度学习预报模型中每个输出层神经元的相关性得分，所述相关性得分用于描述所述第三降水数据中包括的数据特征点与所述第三土壤湿度预测数据的关联性；基于所述相关性得分，确定所述第三预测解释数据。

全文数据：

权利要求：

百度查询： 中山大学 水文气象深度学习预报模型的可解释性评价方法和系统