基于双通道神经网络的洪水物资需求预估方法

本发明涉及洪水灾害预警与应急救灾技术领域，尤其涉及一种基于双通道神经网络的洪水物资需求预估方法，通过ConvLSTM实现对降水、洪水淹没等动态致灾因子的时空联合特征捕捉，通过CNN提取DEM、河网、路网等静态孕灾环境特征，并联合ConvLSTM、CNN与符号注意力机制构建了时空动态‑静态特征交互的双通道神经网络模型，用来精准预估防汛物资需求。本发明能够综合不同下垫面情况和经济发展情况，高效地确定受灾区域内防汛物资需求数量，使得结果更具有针对性和适用性，从而提升了防汛物资需求预估精准度与效率，为洪水灾害应急救灾和国家重大水安全战略提供支持，具有广阔的应用前景。