一种基于深度学习模型和BP神经网络校正的洪水预测方法

摘要

本发明公开了一种基于深度学习模型和BP神经网络校正的洪水预测方法，步骤为：1、对历史洪水过程数据进行归一化处理；2、对归一化后的历史洪水过程数据分析得到各监测点对出口流量的影响时间；3、利用滑动窗口从历史场次洪水数据中建立预测模型的输入和输出值，建立模型训练数据集TRSet1；4、利用TRSet1训练并建立深度学习的洪水预测模型CNNFM；5、建立实时误差校正模型训练数据集TRSet2；6、利用TRSet2训练并建立基于BP神经网络的误差校正模型BPCM；7、对实时监测的流量和雨量，利用模型CNNFM对实时数据进行预测，利用实时误差校正模型BPCM进行校正，获得最终的预测值。本发明通过深度学习自动提取数据特征的特点对训练数据进行建模，并通过BP神经网络进行实时校正，以提高模型预测的准确率。