基于CNN-BiLSTM模型的平原型水库洪水预报研究

赵忠峰; 王雪妮; 晋华; 郑婕; 刘晓东; 郭园

doi:10.20040/j.cnki.1000-7709.2025.20240531

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于CNN-BiLSTM模型的平原型水库洪水预报研究

更新时间：2026-02-25

- 基于CNN-BiLSTM模型的平原型水库洪水预报研究
- Issue 2, Pages: 10-14(2025)
- 作者机构：
  
  1. 太原理工大学水利科学与工程学院
  2. 河南省黄河流域水资源节约集约利用重点实验室
  3. 中国电建集团西北勘测设计院有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2025.20240531
  CLC： TP183;TV697.13
- Published：2025
- 稿件说明：
移动端阅览
赵忠峰, 王雪妮, 晋华, et al. 基于CNN-BiLSTM模型的平原型水库洪水预报研究[J]. 2025, (2): 10-14.
DOI：

赵忠峰, 王雪妮, 晋华, et al. 基于CNN-BiLSTM模型的平原型水库洪水预报研究[J]. 2025, (2): 10-14. DOI： 10.20040/j.cnki.1000-7709.2025.20240531.

摘要

在平原型水库反推入库流量过程中，存在明显的噪声干扰，导致传统的洪水预报方法精度下降。对此，提出一种结合卷积神经网络（CNN）与双向长短期记忆神经网络（BiLSTM）的入库洪水预报模型，该模型采用CNN的卷积层挖掘入库洪水数据中的深层特征信息，并赋予不重要特征较低的权重，以便模型更加专注于对目标任务关键的特征信息。此外，利用BiLSTM处理流量序列中的长期依赖问题，通过其遗忘门有选择性地过滤掉权重较低的特征信息，实现对入库洪水过程的准确预测。最后，基于不同预见期评估所构建模型在安徽省合肥市大房郢水库入库洪水预报中的精准度。结果表明，4 h预见期下CNN-BiLSTM模型在入库洪水预报中具有更高的预报精度，相比BiLSTM模型和新安江（XAJ）模型，其确定性系数(D

)分别提升9.9%、39.0%

均方根误差(R

RMSE

)和相对偏差(B

BIAS

)分别降低34.6%、17.1%和148.6%、20.6%。研究成果可为反推入库流量过程的平原型水库入库洪水预报提供新思路和技术支持。

Abstract

关键词

Keywords

references

杜艳玲,马玉玲,汪金涛,陈珂,林泓羽,陈刚.基于ConvLSTM-CNN预测太平洋长鳍金枪鱼时空分布趋势[J].海洋通报,2024(02).

李昌响,赵嘉,韩龙哲,樊棠怀,李桢桢.多通道CNN-BiLSTM的短时温度预测[J].江西师范大学学报(自然科学版),2023(03).

王忠义,崔东文.基于小波包分解-非洲秃鹫优化算法-深度极限学习机的水文预报模型及其应用[J].水电能源科学,2022(08).

任福,侯宛玥.面向机器阅读的地图名称注记类别识别方法[J].武汉大学学报(信息科学版),2020(02).

王玉虎,周玉良,宗雪玮,沈捷,金菊良,张礼兵.新安江模型在董铺水库洪水预报中的应用研究[J].水电能源科学,2016(03).

景鑫.基于多因子驱动和机器学习的日径流预测模型研究[D].西安理工大学,2023(02).

Méndez Manuel,Merayo Mercedes G.,Núñez Manuel.Long-term traffic flow forecasting using a hybrid CNN-BiLSTM model[J].Engineering Applications of Artificial Intelligence,2023.

Hao Xueli,Liu Ying,Pei Lili,Li Wei,Du Yaohui.Atmospheric Temperature Prediction Based on a BiLSTM-Attention Model[J].Symmetry,2022.

水文情报预报规范[S].2008.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于PSO-PCA-CNN的水电机组故障诊断

基于CWT-CNN模型的泵站机组故障诊断研究

基于EEMD-IPSO-BiLSTM的闸基渗压预测模型研究

深度学习算法在山南市雅桑站流量模拟中的应用研究

基于GBDT和AEO-CNN-Informer的大坝位移深度学习预测模型

Related Author

李超顺

何志宏

周鑫

朱斌

曾广栋

魏学锋

姬升阳

杨鸿宇

Related Institution

华中科技大学土木与水利工程学院

中国长江电力股份有限公司溪洛渡水力发电厂

中国水利水电科学研究院

华北水利水电大学水利学院

河南水投申城四水同治工程管理有限公司

AI问答

⁰