基于集合卡尔曼滤波与深度残差网络的水文模型时变参数预测方法

本发明公开了一种基于集合卡尔曼滤波与深度残差网络的水文模型时变参数预测方法，包括：获取流域多源数据；利用集合卡尔曼滤波方法获取水文模型时变参数历史时序数据；构建基于卷积神经网络的深度残差网络预测模型；对该模型进行训练，获取的未来气候模式中的水文、气象数据输入训练好的模型中，输出未来情景下的水文模型时变参数。本发明利用数据同化方法解决了水文模型时变参数历史数据的获取，通过深度残差网络与未来气候模式数据对水文模型参数未来变化进行预测，为水文模型参数的动态预测提供了一种全新的数据驱动方法，为未来水资源管理和应对气候变化挑战提供更强有力的技术支持。