基于深度学习模型的中小河流洪水模拟

张景帅; 胡彩虹

doi:10.20040/j.cnki.1000-7709.2024.20232033

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 >

基于深度学习模型的中小河流洪水模拟

水文水资源与环境 | 更新时间：2026-02-25

- 基于深度学习模型的中小河流洪水模拟
- 基于深度学习模型的中小河流洪水模拟
- 水电能源科学 2024年第10期页码：11-15
- 作者机构：
  
  1. 河海大学水文水资源学院
  2. 郑州大学黄河实验室
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20232033
  中图分类号： TP18;TV122
- 纸质出版：2024
- 稿件说明：
移动端阅览
张景帅, 胡彩虹. 基于深度学习模型的中小河流洪水模拟[J]. 水电能源科学, 2024,(10):11-15.

张景帅, 胡彩虹. 基于深度学习模型的中小河流洪水模拟[J]. 2024, (10): 11-15.
张景帅, 胡彩虹. 基于深度学习模型的中小河流洪水模拟[J]. 水电能源科学, 2024,(10):11-15. DOI： 10.20040/j.cnki.1000-7709.2024.20232033.

张景帅, 胡彩虹. 基于深度学习模型的中小河流洪水模拟[J]. 2024, (10): 11-15. DOI： 10.20040/j.cnki.1000-7709.2024.20232033.

摘要

为了研究LSTM模型在我国众多流域中的适用性，在海河、黄河、淮河、长江流域共选取了9个小流域作为研究区域，训练并验证了LSTM在这些流域中的模拟精度。结果表明，随着预见期的增加，LSTM模型模拟效果呈下降趋势，在预见期为1～6 h时可以得到良好的模拟结果，在预见期大于6 h时，模拟结果较差；随着神经元数量和迭代步数的增加，LSTM模型的模拟效果有所提高，超过一定组合后，模拟效果变化不明显。研究结果可为中小流域的洪水预报提供支持。

Abstract

关键词

Keywords

references

Xie Kang,Liu Pan,Zhang Jianyun,Han Dongyang,Wang Guoqing,Shen Chaopeng.Physics-guided deep learning for rainfall-runoff modeling by considering extreme events and monotonic relationships[J].Journal of Hydrology,2021.

Caihong Hu,Qiang Wu,Hui Li,Shengqi Jian,Nan Li,Zhengzheng Lou.Deep Learning with a Long Short-Term Memory Networks Approach for Rainfall-Runoff Simulation[J].Water,2018.

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

水文情报预报规范[S].2008.

李志超,邬强,胡彩虹,王金星,杨丹.基于LSTM误差校正蓄满-超渗兼容模型的山洪预报研究[J].武汉大学学报(工学版),2023(10).

崔震,郭生练,汪芸,张俊,王俊,胡挺,李帅.三峡入库洪水概率预报的深度学习模型[J].水力发电学报,2023(04).

王瑞滢,胡静,周末,覃光华,肖鸿.基于HEC-HMS模型的西南地区典型中小河流洪水预报研究[J].水电能源科学,2022(05).

刘攀,郑雅莲,谢康,韩东阳,程潜.水文水资源领域深度学习研究进展综述[J].人民长江,2021(10).

陶思铭,梁忠民,陈在妮,曲田,胡义明.长短期记忆网络在中长期径流预报中的应用[J].武汉大学学报(工学版),2021(01).

李红霞,王瑞敏,黄琦,向俊燕,覃光华.中小河流洪水预报研究进展[J].水文,2020(03).

王福东,蔡涛,孙玉华,张利平.改进的非线性时变增益模型在北方旱区中小河流洪水预报中的应用[J].水电能源科学,2018(02).

浏览量

287

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CNN-LSTM模型的城市洪水二维时空预测研究

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

模型驱动辅助的高土石坝监测数据处理与变形预测方法研究

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

基于ICEEMDAN和CNN-LSTM-ATTENTION的抽水蓄能机组振动预测