一种基于改进深度集成策略的径流概率预报方法

一种基于改进深度集成策略的径流概率预报方法，属径流概率预报领域，解决现有深度集成策略仅能集成单一网络、算术平均分配权重的问题。该方法包括：1.以包容性策略选LSTM、GRU、SWM为集成子网络，构建输入步长4、输出步长1、隐藏层数3的预测框架；2.子网络输出层增“σ²单元”，用softplus激活函数约束，使其能量化预测不确定性；3.以基于正态分布的负对数似然函数为训练评分规则；4.并行训练子网络后，3折交叉验证拆分训练集，遗传算法动态优化集成权重，构建MNDE模型。该模型在确定性、区间、概率预测及可靠性上均优于单一深度学习与传统机器学习模型，适用于径流概率预报。