CN117992919B 基于机器学习和多气象模态融合的河流洪水预警方法 （黄河水利委员会水文水资源信息中心）

KR20200048898A,2020.05.08基于机器学习和多气象模态融合的河流洪公开了一种基于机器学习和多气象模态融间序列和降雨量的时间序列分别排列为输入向征提取器对河流流域的卫星遥感图像进行特征提取并使用基于重参数化层的特征图增强器进降雨量河流水位时序关联特征向量进行多模态实时性，为洪水防御和救援提供有效的决策支2获取气象站数据，其中，所述气象站数据包括河流水位的时间序将所述河流水位的时间序列和所述降雨量的时间序列分别按照时间维度排列为河流对所述降雨量时序输入向量和所述河流水位时序输入向量进行关联编码以得到降雨通过基于深度神经网络模型的河流流域地表形态特征提取器对所述河流流域的卫星遥感图像进行特征提取以得到河流流域地表形态使用基于重参数化层的特征图增强器对所述河流流域地表形态特征图进行处理以得对所述河流流域地表形态增强特征图和所述降雨量一河流水位时序2.根据权利要求1所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特计算所述降雨量时序输入向量相对于所述河流水位时序输入向量的样本协方差关联将所述降雨量河流水位时序关联矩阵通过基于卷积神经网络模型的降雨量河流水3.根据权利要求2所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特4.根据权利要求3所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特使用基于重参数化层的特征图增强器以如下增强公式对所述河流流域地表形态特征,3,,,5.根据权利要求4所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特使用基于元网络的多气象模态融合器对所述河流流域地表形态增强特征图和所述降雨量河流水位时序关联特征向量进行多模态融合以得到多气象模态融合特征图作为所述6.根据权利要求5所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特降雨量河流水位时序关联特征向量进行多模态融合以得到多气象模态融合特征图作为所将所述降雨量河流水位时序关联特征向量通过点卷积层以得到第将所述第一卷积特征向量通过基于ReLU函数的修正线性单元以得到第一修正卷积特将所述第一修正卷积特征向量通过点卷积层以得到第二将所述第二卷积特征向量通过基于Sigmoid函数的修正线性单元以得到第二修正卷积融合所述第二修正卷积特征向量与所述河流流域地表形态增强特征图以得到所述多7.根据权利要求6所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特将所述多气象模态融合特征图通过分类器以得到分类结果，所述分类8.根据权利要求7所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特9.根据权利要求8所述的基于机器学习和多气象模态融合的河流洪水预警方法，其特将所述训练河流水位的时间序列和所述训练降雨量的时间序列分别按照时间维度排计算所述训练降雨量时序输入向量相对于所述训练河流水位时序输入向量的样本协将所述训练降雨量一河流水位时序关联矩阵通过所述基于卷积神经网络模型的降雨量河流水位时序关联特征提取器以得到训练降雨量河流水位4通过所述基于卷积神经网络模型的河流流域地表形态特征提取器对所述河流流域的训练卫星遥感图像进行特征提取以得到训练使用所述基于重参数化层的特征图增强器对所述训练河流流域地表形态特征图进行使用所述基于元网络的多气象模态融合器对所述训练河流流域地表形态增强特征图和所述训练降雨量河流水位时序关联特征向量进行多模态融合以得到训练多气象模态融对所述训练多气象模态融合特征图进行优化以得到优化后训练多气象模态融合特征及5习算法建立河流水位和降雨量之间的关联关系模型，以此来进行河流水位的预测和判断，[0008]将所述河流水位的时间序列和所述降雨量的时间序列分别按照时间维度排列为[0009]对所述降雨量时序输入向量和所述河流水位时序输入向量进行关联编码以得到[0010]通过基于深度神经网络模型的河流流域地表形态特征提取器对所述河流流域的卫星遥感图像进行特征提取以得到河流流域[0011]使用基于重参数化层的特征图增强器对所述河流流域地表形态特征图进行处理6对河流流域的卫星遥感图像进行特征提取并使用基于重参数化层的特征图增强器进行处[0016]图1为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警方法[0017]图2为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警方法[0018]图3为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警系统[0019]图4为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警方法[0022]虽然本申请对根据本申请的实施例的系统中的某些模块任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性7习算法建立了河流水位和降雨量之间的关联关系模型，以此来进行河流水位的预测和判[0026]图1为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警方法的流程图。图2为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警方流水位的时间序列和所述降雨量的时间序列分别按照时间维度排列为河流水位时序输入络模型的河流流域地表形态特征提取器对所述河流流域的卫星遥感图像进行特征提取以将所述河流水位的时间序列和所述降雨量的时间序列分别按照时间维度排列为河流水位量河流水位时序关联特征提取器中进行特征挖掘，以提取出所述降雨量和所述河流水位8降雨量河流水位时序关联特征提取器以得到所述降雨量河流水于深度神经网络模型的河流流域地表形态特征提取器为基于卷积神经网络模型的河流流的特征图增强器以如下增强公式对所述河流流域地表形态特征图进行处理以得到河流流9[0036]其中，F是所述河流流域地表i是所述河流流域地表形态特征图的第i个关联特征向量进行多模态融合以得到多气象模态融合特征图作为所述多气象模态融合特积层以得到第二卷积特征向量；将所述第二卷积特征向量通过基于Sigmoid函数的修正线流域地表形态增强特征图以得到所述多气象模态融述训练河流水位的时间序列和所述训练降雨量的时间序列分别按照时间维度排列为训练型的降雨量河流水位时序关联特征提取器以得到训练降雨量河流水位时序关联特征向化层的特征图增强器对所述训练河流流域地表形态特征图进行处理以得到训练河流流域流水位时序关联特征提取器、所述基于卷积神经网络模型的河流流域地表形态特征提取联特征向量表示训练降雨量和训练河流水位的全时域样本协方差关联分布的基于卷积编雨量河流水位时序关联特征向量表达的所述训练降雨量河流水位间局部时域语义关联得所述训练多气象模态融合特征图的基于图像语义特征空间分布和通道维度分布的整体多气象模态融合特征图F1在高维特征空间内的距离式空间分布进行基于空间角度倾斜式[0052]图3为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警系统块140，用于对所述降雨量时序输入向量和所述河流水位时序输入向量进行关联编码以得于深度神经网络模型的河流流域地表形态特征提取器对所述河流流域的卫星遥感图像进层的特征图增强器对所述河流流域地表形态特征图进行处理以得到河流流域地表形态增水预警系统100中的各个模块的具体功能和操作已经在上面参考图1到图2的基于机器学习系统100可以实现在各种无线终端中，例如具有基于机器学习和多气象模态融合的河流洪融合的河流洪水预警系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该基于机器学习和多气象模态融合的河流洪水预警系统100可以是该无线终端的操基于机器学习和多气象模态融合的河流洪水预警系统100同样可以是该无线终端的众多硬100与该无线终端也可以是分立的设备，并且该基于机器学习和多气象模态融合的河流洪[0056]图4为根据本申请实施例的基于机器学习和多气象模态融合的河流洪水预警方法象站数据输入至部署有基