基于深度学习的郁江干流日径流模拟及预报研究

易思宇; 唐岗; 宋昕熠; 陶昌弟; 鲁帆; 沈维鹏

doi:10.20040/j.cnki.1000-7709.2026.20251927

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于深度学习的郁江干流日径流模拟及预报研究

更新时间：2026-09-12

- 基于深度学习的郁江干流日径流模拟及预报研究
- Vol. 44, Issue 8, Pages: 1-5(2026)
- 作者机构：
  
  1. 广西壮族自治区水利电力勘测设计研究院有限责任公司
  2. 长沙理工大学水利与海洋工程学院
  3. 中国水利水电科学研究院水资源所
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20251927
  CLC： TP18;P338.1
- Published：2026
- 稿件说明：
移动端阅览
易思宇, 唐岗, 宋昕熠, et al. 基于深度学习的郁江干流日径流模拟及预报研究[J]. 2026, 44(8): 1-5.
DOI：

易思宇, 唐岗, 宋昕熠, et al. 基于深度学习的郁江干流日径流模拟及预报研究[J]. 2026, 44(8): 1-5. DOI： 10.20040/j.cnki.1000-7709.2026.20251927.

摘要

为给郁江流域水资源调度提供技术支撑，基于2006～2022年郁江干流贵港、南宁、崇左、百色等站径流，横江站水位及区域降水数据，分析不同数据系列的相关关系，构建LSTM和GRU模型对南宁、贵港两站的日径流过程进行模拟及预报。研究结果表明，南宁站径流与上游百色、崇左站径流呈较强正相关，其斯皮尔曼秩相关系数达到0.9。贵港站径流与上游南宁站径流呈较强正相关，其中皮尔逊相关系数接近0.9

南宁、贵港站径流与其上游区间降水的相关性较弱；LSTM模型与GRU模型在训练期表现优异，LSTM的E

NSE

、R

均达到0.99

GRU的E

NSE

、R

均达到0.94

验证期仍接近0.9

模型在验证期的相对误差大于训练期；不同降水强度下预报相对误差存在差异，汛期精度优于非汛期，在大部分情况下LSTM模型的相对误差小于GRU模型，其中南宁站的预报精度高于贵港站。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于SSA优化的VMD-CEEMDAN-ECACNN-LSTM日径流预测模型研究

基于高频分量平滑采样的水电机组状态预测

基于多种水文方法的柴汶河流域水沙关系及演变规律分析

基于LSTM的水库土石坝渗流动态区间预警研究

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

Related Author

蓝贤桂

赖毅辉

欧阳旭文

王基发

蒋志强

覃晖

刘刚

许颜贺

Related Institution

南昌师范学院

东华理工大学江西省新能源工艺及装备工程技术研究中心

中国长江电力股份有限公司溪洛渡电厂

华中科技大学土木与水利工程学院

山东科技大学智能装备学院

AI问答

⁰