-
题名基于条件扩散模型的未测量流域径流预测方法
- 1
-
-
作者
张文昭
严华
-
机构
四川大学电子信息学院
-
出处
《现代信息科技》
2025年第8期71-76,82,共7页
-
文摘
深度学习已成为径流预测的强大工具,但在未测量流域中,流量观测数据的缺乏使得模型训练和预测通常需要采用迁移学习的方式。然而,目标流域往往没有足够的数据用于微调,导致模型参数难以校准。因此,文章提出一种基于条件扩散模型的未测量流域径流预测方法。该方法包含一个正向加噪过程和一个反向去噪过程。在源流域中训练去噪模型,然后在目标流域上从噪声中恢复数据作为预测结果。此外,通过包含气象驱动和历史径流的条件数据来指导去噪过程,并在去噪模型中引入Transformer层,以捕捉时间和特征的依赖性。通过在CAMELS-US数据集上进行交叉验证实验,结果表明该方法具有优越性。
-
关键词
径流预测
未测量流域
迁移学习
条件扩散模型
camels-us
-
Keywords
runoffprediction
ungauged basins
Transfer Learning
conditional diffusion model
camels-us
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
