一种基于三维网络结构的深度学习径流预测模型及其预测方法

本申请公开了一种基于三维网络结构的深度学习径流预测模型及其预测方法，利用二维卷积神经网络提取气压、气温、相对湿度、降水、蒸发、风向风速、日照时数和地温等多维气象要素之间的非线性关联，并采用反距离加权插值法（IDW）将离散站点数据映射为空间连续栅格，实现了对驱动径流变化的全方位刻画。结合BiLSTM捕捉长短期时间依赖、Attention机制动态聚焦关键气象事件，使模型在处理时序特征时更具鲁棒性，有效克服了传统方法对单一因子依赖强、易受局部异常影响的缺陷。