基于图神经网络的水富—宜宾航道多站点水位预报模型

受到岷江、横江影响,向家坝下游水富—宜宾段水位变化特性复杂,干支流间水位、流量数据属于多维时空数据。研究选取spectral temporal graph neural network(StemGNN)时空图神经网络用于向家坝下游多站点水位预报,结果表明:该方法适用于研究区域的多站点水位预报,未来1、8 h模型预报性能较优,在向家坝站、宜宾站、李庄站3处的最大预报误差约为0.5 m。StemGNN特点是能够从输入数据中自动提取河网结构信息,体现研究区域的汇流特性。横江流量对于研究区域水位流量影响较小;向家坝水库水位、横江水位、高场水位代表研究区域前期的水位情况,高场流量作为较大的流量输入,对于研究区域水位流量影响较大。研究成果可为近坝段、支流入汇等水位变化特性复杂河段的多站点水位预报提供新思路。