感潮河网水位智能预测方法OA

为解决感潮河网水位受潮汐、径流、泵闸调控耦合作用呈现非线性波动,且水系地形差异致使全域统一模拟精度低、分站点建模成本与复杂度过高的问题,基于时空聚类的多尺度融合时空注意力网络(MSTANet),提出了一种面向感潮河网的智能水位预测方法。该方法通过融合多尺度时序特征与空间依赖关系,提升了模型对潮汐、泵闸调控等多扰动下水位演化过程的模拟能力;同时引入时空聚类实现流域分区建模,有效缓解了空间异质性带来的性能下降问题。上海蕴南水利控制片区的实例验证表明,该方法具有良好的模拟精度、较高的计算效率,具备工程实用性与推广前景。