耦合新安江模型与LSTM模型的赣江流域径流模拟研究

邹佳成; 黄监初; 杨丽琳; 顾雯叶

doi:10.20040/j.cnki.1000-7709.2024.20231438

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 >

耦合新安江模型与LSTM模型的赣江流域径流模拟研究

水文水资源与环境 | 更新时间：2026-02-25

- 耦合新安江模型与LSTM模型的赣江流域径流模拟研究
- 耦合新安江模型与LSTM模型的赣江流域径流模拟研究
- 水电能源科学 2024年第7期页码：12-15
- 作者机构：
  
  1. 赣江下游水文水资源监测中心
  2. 山东省水利勘测设计院有限公司
  3. 中交第三航务工程勘察设计院有限公司
- 作者简介：
- 基金信息：
  
  江西省“科技+水利”联合计划项目(2022KSG01006)
- DOI：10.20040/j.cnki.1000-7709.2024.20231438
  中图分类号： P333
- 纸质出版：2024
- 稿件说明：
移动端阅览
邹佳成, 黄监初, 杨丽琳, 等. 耦合新安江模型与LSTM模型的赣江流域径流模拟研究[J]. 水电能源科学, 2024,(7):12-15.

邹佳成, 黄监初, 杨丽琳, et al. 耦合新安江模型与LSTM模型的赣江流域径流模拟研究[J]. 2024, (7): 12-15.
邹佳成, 黄监初, 杨丽琳, 等. 耦合新安江模型与LSTM模型的赣江流域径流模拟研究[J]. 水电能源科学, 2024,(7):12-15. DOI： 10.20040/j.cnki.1000-7709.2024.20231438.

邹佳成, 黄监初, 杨丽琳, et al. 耦合新安江模型与LSTM模型的赣江流域径流模拟研究[J]. 2024, (7): 12-15. DOI： 10.20040/j.cnki.1000-7709.2024.20231438.

摘要

准确的径流模拟对流域水资源优化配置、防汛抗旱具有重要作用。为此，以赣江流域为例，构建了新安江模型与LSTM的耦合模型（XAJ-LSTM）

对比分析了XAJ-LSTM、新安江模型和LSTM模型的径流模拟差异，并评估了汛期划分对径流模拟精度的影响。结果表明，在赣江流域，LSTM模型的最佳神经元参数为第一层18个，第二层36个；LSTM模型的径流模拟效果要优于新安江模型，且利用新安江模型对LSTM模型进行物理约束后，R

RMSE

的降幅达11%;考虑汛期划分能够提升XAJ-LSTM模型对汛期与非汛期径流的模拟精度，且在汛期的改善效果更明显，R

RMSE

减幅达18%。研究成果可为赣江流域径流模拟与预报提供参考。

Abstract

关键词

Keywords

references

Zhongrun Xiang,Jun Yan,Ibrahim Demir.A Rainfall‐Runoff Model With LSTM‐Based Sequence‐to‐Sequence Learning[J].Water Resources Research,2020.

Hochreiter S,Schmidhuber J.Long short-term memory.[J].Neural computation,1997.

徐冬梅,王逸阳,王文川.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].水电能源科学,2022(12).

郭晓萌,方秀琴,杨露露,曹煜.基于人工神经网络的西辽河流域根区土壤湿度估算[J].自然资源遥感,2023(02).

巴欢欢,胡挺,袁玉,张松,梁运鸿.基于小波变换和人工神经网络模型的三峡入库月径流预报[J].水电能源科学,2022(05).

熊一橙,徐炜,张锐,侯家其,杨雨霞,许莎莎.基于LSTM网络的长江上游流域径流模拟研究[J].水电能源科学,2021(09).

鲁向晖,张海娜,白桦,陈章诚,李阳.赣江流域1986—2015年降雨侵蚀力时空变化特征[J].长江科学院院报,2020(10).

王鸽,肖长来,梁秀娟,齐志伟,冉聪聪.挠力河流域地下水动态特征分析及预测[J].水电能源科学,2017(12).

赵人俊,王佩兰.新安江模型参数的分析[J].水文,1988(06).

浏览量

247

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多层土壤湿度数据同化的小流域径流模拟

回水顶托效应下巨型水电站下游水位预测研究

基于机器学习模型的河道水位预测方法及其应用

新安江模型和NAM模型在皖南山区中小河流洪水模拟中的适应性研究

基于机器学习的雅砻江流域洪水预报研究