洪水预报区域化LSTM模型研究

毕成琳; 刘匡; 向征; 王军; 钱名开; 梁忠民

doi:10.20040/j.cnki.1000-7709.2023.20231253

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

洪水预报区域化LSTM模型研究

更新时间：2026-02-25

- 洪水预报区域化LSTM模型研究
- Issue 12, Pages: 63-67(2023)
- 作者机构：
  
  1. 河海大学水文水资源学院
  2. 山东省水文中心
  3. 淮河水利委员会水文局
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2023.20231253
  CLC： P338.6
- Published：2023
- 稿件说明：
移动端阅览
毕成琳, 刘匡, 向征, et al. 洪水预报区域化LSTM模型研究[J]. 2023, (12): 63-67.
DOI：

毕成琳, 刘匡, 向征, et al. 洪水预报区域化LSTM模型研究[J]. 2023, (12): 63-67. DOI： 10.20040/j.cnki.1000-7709.2023.20231253.

摘要

受水文气象资料条件限制，在乏资料地区开展洪水预报仍面临挑战。虽然水文模型参数区域化是解决该问题的常用途径，但机器学习模型因其具有建模简单、使用方便等特点，已逐渐成为构建乏资料地区洪水预报方案的重要方法。以山东省南四湖湖西平原区为例，借鉴水文地区综合的思想，对2010～2021年8个流域共40场暴雨洪水资料进行合成，构建了基于长短期记忆神经网络(LSTM)的区域化洪水预报模型。研究结果表明，区域化LSTM洪水预报模型能够较好地模拟实际洪水过程，训练集和测试集的洪峰流量相对误差均小于10%

纳什效率系数均大于0.9;在15 h预见期内，区域化洪水预报模型具有较高的预报精度，当预见期超过15 h时，模型的预报精度有所降低。

Abstract

关键词

Keywords

references

长短期记忆网络在中长期径流预报中的应用[J]. 陶思铭;梁忠民;陈在妮;曲田;胡义明.武汉大学学报(工学版),2021(01)

基于长短时记忆神经网络（LSTM）的降雨径流模拟及预报[J]. 殷兆凯;廖卫红;王若佳;雷晓辉.南水北调与水利科技,2019(06)

参数区域化在乏资料地区水文预报中应用研究综述[J]. 毛能君;夏军;张利平;邹磊;石卫.中国农村水利水电,2016(12)

无资料地区水文预报研究的方法与出路[J]. 谈戈,夏军,李新.冰川冻土,2004(02)

Improving AI System Awareness of Geoscience Knowledge: Symbiotic Integration of Physical Approaches and Deep Learning[J]. Shijie Jiang;Yi Zheng;Dimitri Solomatine.Geophysical Research Letters,2020

Views

323

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于RF和Self-attention改进LSTM的大坝变形预测方法及异常值判定

基于CNN-LSTM模型的城市洪水二维时空预测研究

基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测

基于新安江+马斯京根洪水预报模型的梅汛期分水江流域应用研究

三峡水库区间洪水预报误差影响因素定量识别

Related Author

牟猷

远近

王波

汤正阳

毛延翩

齐智勇

田振宇

都旭煌

Related Institution

湖北省智慧水电技术创新中心

国家能源局大坝安全监察中心

中国长江电力股份有限公司

中国市政工程华北设计研究总院有限公司

河海大学电气与动力工程学院

AI问答

⁰