1. 湖南省长沙航道事务中心
2. 长沙理工大学水利与海洋工程学院
3. 湖南省港航水利集团有限公司
4. 湖南省水运建设投资集团有限公司
5. 洞庭湖水环境治理与生态修复湖南省重点实验室
Published:2026
移动端阅览
邹振国, 王靖雯, 官志鑫, et al. 基于气象水文信息融合神经网络的航道水位预测[J]. 2026, 44(8): 32-37+31.
DOI:
邹振国, 王靖雯, 官志鑫, et al. 基于气象水文信息融合神经网络的航道水位预测[J]. 2026, 44(8): 32-37+31. DOI: 10.20040/j.cnki.1000-7709.2026.20251356.
随着水路运输在交通运输经济发展中的重要性日益增强,水位作为航道尺度重要指标,精准预测未来航道水位信息对指导船舶配载和航程规划具有重要意义。因此,引入XGBoost、DeepONet学习气象与水文信息的映射关系,并将物理信息约束融入模型训练损失函数,构建了融合神经网络的水位预测模型。以湘江营田水文站为研究对象进行试验验证,结果表明,模型预测结果能够较为准确地捕捉未来1~7 d水位变化趋势,体现出较好的一致性,逐日水位变化率表现出较高的预测精度,具备良好的泛化能力,可为保障通航安全和提升通航效率提供重要的参考价值。
刘艳.基于深度学习的水文要素模拟与预测研究[D].天津大学,2021(09).
曹引,冶运涛,梁犁丽,赵红莉,蒋云钟,王浩,王俊锋.二维水动力模型参数和边界条件不确定性分析[J].水力发电学报,2018(06).
金辉,陈健强,冯小香,普晓刚.湘江营田滩河段2000t级航道整治工程效果数值模拟[J].长江科学院院报,2015(02).
周勇强,朱跃龙.基于SFLA-CNN和LSTM组合模型的水位预测[J].计算机与现代化,2021(04).
陈帅宇,赵龑骧,蒋磊.基于ARIMA-CNN-LSTM模型的黄河开封段水位预测研究[J].水利水电快报,2023(01).
林彬,周功成,李永顺.独立液货罐化学品船结构有限元分析[J].中国水运(下半月),2019(04).
陈桂煌,谭倩,朱志华,蔡宴朋,王淑萍.自然状态下流域洪峰对降雨时空异质性的响应规律[J].水资源与水工程学报,2022(05).
毕成琳,刘匡,向征,王军,钱名开,梁忠民.洪水预报区域化LSTM模型研究[J].水电能源科学,2023(12).
安佳彤,赵雪花,朱博文,郭秋岑,王慧方.Attention机制加成的ICEEMDAN-1D-CNN-BiGRU月径流预测[J].水电能源科学,2025(07).
0
Views
52
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution