摘要
本发明公开了一种数据驱动的洪水分级方法和系统，具体涉及洪水分级领域，包括通过多源异构数据接口获取第一分级基准，并利用卷积神经网络提取第一基准特征；同时实时获取各边缘计算节点负载压力值作为第二分级基准，并动态分配提取任务至各边缘计算节点；将第一基准特征输入洪水等级分类模型获取第三分级基准，以达成洪水分级。一种数据驱动的洪水分级方法和系统通过对负载数据的时序建模能力，结合动态分配机制，实现了计算资源需求与节点处理能力的实时匹配，降低实测任务响应延迟；通过双通道架构，实现了空间特征与时序特征的协同优化；通过建立置信度驱动的增量学习机制，提高新型灾害模式识别准确率。
