数据驱动与物理机制耦合的菜子湖流域水位预报模型研究

菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用。结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m。直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R^(2)分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R^(2)分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008。研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度。同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果。为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考。

基于新安江模型的菜子湖流域研究及应用

菜子湖作为引江济淮工程的三大关键调蓄湖泊之一,其湖泊调蓄对引江济淮工程具有重要影响。本文通过反推入库模型反推入库流量,构建四水源新安江模型,选用2019年至2022年之间的历史数据,对模型参数率定,对菜子湖全流域及各子流域进行洪水预报研究。对比分析同一场次洪水在不同时间序列的模型模拟结果,全流域的模拟结果在时间序列1h内最好,孔城河流域在子流域中的模拟结果最好,同时也为其他相似工程洪水预报提供参考。