基于Kolmogorov-Arnold网络的深度学习模型改进对日径流预测的影响

王也; 陈永智; 曹德勤; 赵勇; 姚泽扬

doi:10.20040/j.cnki.1000-7709.2026.20250659

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于Kolmogorov-Arnold网络的深度学习模型改进对日径流预测的影响

更新时间：2026-02-25

- 基于Kolmogorov-Arnold网络的深度学习模型改进对日径流预测的影响
- Issue 2, Pages: 6-10+21(2026)
- 作者机构：
  
  1. 五凌电力有限公司
  2. 湖南五凌电力科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20250659
  CLC： P333.1
- Published：2026
- 稿件说明：
移动端阅览
王也, 陈永智, 曹德勤, et al. 基于Kolmogorov-Arnold网络的深度学习模型改进对日径流预测的影响[J]. 2026, (2): 6-10+21.
DOI：

王也, 陈永智, 曹德勤, et al. 基于Kolmogorov-Arnold网络的深度学习模型改进对日径流预测的影响[J]. 2026, (2): 6-10+21. DOI： 10.20040/j.cnki.1000-7709.2026.20250659.

摘要

随着气候变化的加剧和城市化进程的推进

日径流预测在水资源管理和防洪减灾中的作用愈发重要。因此

构建基于复杂网络特性的深度学习KAN-T模型

探讨Kolmogorov-Arnold网络（KAN）在日径流预测中的应用

并与双层长短期记忆网络、门控循环单元模型以及Transformer模型进行比较

评估其在不同预报方案下的性能表现。结果表明

预见期为1 d时

考虑下游降雨与前期径流的预报方案P

表现最优;KAN-T模型在所有预报方案中均表现出卓越的适应性和显著的改进效果。在P

方案中

KAN-T模型的训练期和验证期的Kling-Gupta效率系数分别提升了2.4%、4.9%

而平均绝对误差指标则分别下降了9.9%、9.0%;随着预见期的延长

模型的预测精度普遍下降。尽管如此

KAN结构在Transformer模型中仍表现出较好的提升效果

表明KAN能够有效弥补传统模型在长时间预见期内的不足。未来的研究可进一步优化KAN-T模型的结构

尤其是针对极端洪水事件的响应能力

以提高模型在复杂气候条件下的预测精度和稳定性。

Abstract

关键词

Keywords

references

师鹏飞,赵酉键,徐辉荣,李振亚,杨涛,冯仲恺.融合相空间重构和深度学习的径流模拟预测[J].水科学进展,2023(03).

严春华,张玥,姜中清,梅杰,高志发.基于偏自相关分析和残差修正的径流量GRU预测模型[J].水力发电,2023(09).

Yuanyuan Man,Qinli Yang,Junming Shao,Guoqing Wang,Linlong Bai,Yunhong Xue.一种用于淮河上游日径流预测的增强型LSTM模型（英文）[J].Engineering,2023(05).

邱绪迪,王坤,陈飞,相里宇锡,王斌.基于最优变分模态分解的渭河流域多步径流预报[J].人民长江,2024(08).

胡永旭,乔长录,刘延雪,李旭.融合自适应滑动集合经验模态分解的机器学习月径流预测方法[J].水电能源科学,2024(10).

胡乐怡,付晓雷,蒋晓蕾,章丽萍,章雨晨,钟奇.基于LSTM、RF、SVR三种机器学习方法的径流预测研究[J].水文,2024(05).

马利国,刘建卫,逄晓腾,景海华.土地利用及气候变化下洮儿河流域水文要素分析和径流预测[J].水土保持学报,2025(02).

Views

105

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于DD-ACMD-PSA-TCN-GRELM耦合模型的日径流预测

基于自适应多元变分模态分解与多尺度特征提取的抽水蓄能机组振动趋势预测

基于径流预测的流域小水电群可调能力优化

基于RIME-LSTM-Transformer的混凝土坝变形预测模型

基于GHOA-VMD-GRU和CNN区间建模的长江上游干流日含沙量预测研究

Related Author

张楚

葛宜达

王顺

王雪峰

顾晨晖

刘月馨

寿玮玮

朱德全

Related Institution

淮阴工学院自动化学院

杭州华辰电力控制工程有限公司

中国电建集团华东勘测设计研究院有限公司

三峡大学电气与新能源学院

浙江宁海抽水蓄能有限公司

AI问答

⁰