一种耦合误差校正及联合建模的洪水智能预报方法

本发明公开了一种耦合误差校正及联合建模的洪水智能预报方法，涉及深度学习与不确定性建模技术；在输入端，通过逐时动态正态扰动构建未来随机降雨情景；在模型端，引入基于Kolmogorov–Arnold Networks和Transformer的多结构、多目标函数组合，形成多成员集合预报；在误差端，提出基于可数非对称拉普拉斯混合密度网络的概率建模方法，实现精细化误差校正；采用Vine copula函数构建高维联合分布，结合贝叶斯模型平均与期望最大化算法实现多成员后验结果的加权融合；本发明方法能够全面刻画洪水预报中的不确定性，提升预报系统的稳定性与适应性，适用于流域级实时洪水集合预报场景。