基于机器学习的洪水预报实时校正

衣学军; 汤岭; 李致家; 盛奕华; 姚成; 杜若愚

doi:10.20040/j.cnki.1000-7709.2023.20230137

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于机器学习的洪水预报实时校正

水情测报与优化调度 | 更新时间：2026-02-25

- 基于机器学习的洪水预报实时校正
- 基于机器学习的洪水预报实时校正
- 水电能源科学 2023年第12期页码：78-81+67
- 作者机构：
  
  1. 山东省水文中心
  2. 河海大学水文水资源学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52079035)
- DOI：10.20040/j.cnki.1000-7709.2023.20230137
  中图分类号： TP181;P338.6
- 纸质出版：2023
- 稿件说明：
移动端阅览
衣学军, 汤岭, 李致家, 等. 基于机器学习的洪水预报实时校正[J]. 水电能源科学, 2023,(12):78-81+67.

衣学军, 汤岭, 李致家, et al. 基于机器学习的洪水预报实时校正[J]. 2023, (12): 78-81+67.
衣学军, 汤岭, 李致家, 等. 基于机器学习的洪水预报实时校正[J]. 水电能源科学, 2023,(12):78-81+67. DOI： 10.20040/j.cnki.1000-7709.2023.20230137.

衣学军, 汤岭, 李致家, et al. 基于机器学习的洪水预报实时校正[J]. 2023, (12): 78-81+67. DOI： 10.20040/j.cnki.1000-7709.2023.20230137.

摘要

为了提高临沂流域水文模型的实时洪水预报精度，基于临沂流域的下垫面特征，建立了临沂流域的TOPKAPI网格模型，采用BP神经网络和LSTM模型对TOPKAPI模型模拟结果在不同预见期内进行了校正，在此基础上使用了堆叠方法并选用Transformer模型作为二级学习器，对BP和LSTM的校正结果进行了二次学习。结果表明，经过BP和LSTM模型的实时校正，TOPKAPI模型模拟精度得到了明显提高，预见期越短，校正效果越好；在经过堆叠方法进行二次学习后，校正效果最佳，可有效提升临沂流域洪水预报精度。

Abstract

关键词

Keywords

references

Development of Multivariable Dynamic System Response Curve Method for Real‐Time Flood Forecasting Correction[J]. Y. Sun;W. Bao;P. Jiang;X. Ji;S. Gao;Y. Xu;Q. Zhang;W. Si.Water Resources Research,2018

基于贝叶斯优化算法的长短期记忆神经网络模型年径流预测[J]. 徐冬梅;王逸阳;王文川.水电能源科学,2022(12)

基于协整理论的淮河流域上游洪水预报实时校正方法[J]. 张旭旻;瞿思敏;李倩;石朋;嵇海祥;宋兰兰;王麒栋.水资源保护,2022(06)

水文水力学结合的秦淮河流域洪水模拟与实时校正[J]. 汪昊燃;王容;黄鹏年;何健;姚成.河海大学学报(自然科学版),2023(03)

基于STGCN的洪水预报误差实时校正方法[J]. 余宇峰;李薇;李珂;成春生.水文,2022(05)

大渡河流域上游洪水预报及实时校正研究[J]. 张艳;梁忠民;陈在妮;朱阳;王军.水力发电,2020(05)

基于GBDT的实时洪水预报误差校正方法[J]. 姚超宇;钟平安;徐斌;王凯;高益辉;李昆朋.水电能源科学,2019(08)

基于多模型组合的淮河王家坝断面洪水预报[J]. 刘家琳;梁忠民;李彬权;王凯.水电能源科学,2019(08)

浏览量

368

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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

复杂分区土石坝渗透系数反演的HSBP算法及其应用

服役期边坡力学参数与卸荷松动区联合反演研究

基于测雨雷达与分布式水文模型的小流域汛期短期洪水预报