基于物理过程和可解释深度学习双驱动的水文预报方法

本发明公开了基于物理过程和可解释深度学习双驱动的水文预报方法，涉及水文预报技术领域，用于针对过程驱动模型难以完全概括动态水文过程、数据驱动模型忽略物理过程的问题；通过融合传统水文模型与可解释深度学习，充分利用了两者的优势，从而显著提高了实时水文预报的精度和效率。采用头部特定改进极光优化算法优化混合模型的参数，不仅能够提高预测精度，确保模型的可靠性和稳定性，还减少了计算资源的消耗，并且通过采用沙普利加性解释方法对深度学习模型进行解释，进一步增强了模型的可解释性，使用户能够清晰了解输入变量对预测结果的影响。这一特性为模型的实际应用提供了重要支持，特别是在需要决策透明度的水文预报领域。