深度度量学习的水利遥感数据低维特征高效提取预测方法

本发明公开了深度度量学习的水利遥感数据低维特征高效提取预测方法，聚焦多源数据驱动与集成模型优化，采集洪水相关多源数据，经清洗、标准化处理构建数据集；再搭建含时序与空间特征提取分支的深度度量学习模型，结合目标函数与log‑ex近似，输出高区分度特征向量；接着拼接特征并融入手工时序特征，形成融合特征矩阵；之后构建集成基模型集合，借类内/类间距离动态调参，经时间序列交叉验证训练；再利用基模型预测结果构建二级训练集，训练二级模型学习权重，组建最终集成回归预测模型；输入实时数据获预报结果，依评估指标迭代优化。经小流域与大流域测试，方法适配不同尺度流域，有效提升洪水预报精度与稳定性，为防洪决策提供可靠技术支撑。