-
题名基于GR4J-LSTM混合模型的洪水预报研究
被引量:6
- 1
-
-
作者
崔震
郭生练
王俊
王何予
尹家波
巴欢欢
-
机构
武汉大学水资源与水电工程科学国家重点实验室
长江勘测规划设计研究有限责任公司
-
出处
《人民长江》
北大核心
2022年第7期1-7,共7页
-
基金
国家自然科学基金项目(51879192)
中国长江三峡集团有限公司资助项目(0799254)。
-
文摘
为提高洪水过程预报的准确性,将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中,构建了GR4J-LSTM混合模型,并与GR4J、LSTM模型进行对比。基于2012~2019年陆水水库汛期与洪水事件相关的数据集,并结合欧洲中期天气预报中心的3 h预报降水产品,驱动GR4J-LSTM混合模型,预报陆水水库3~12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明:GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力,但GR4J-LSTM混合模型的预报性能最优,既可以学习GR4J模型的产汇流过程,又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。
-
关键词
洪水预报
入库流量
gr4j-lstm混合模型
神经网络
平均影响值算法
陆水水库
-
Keywords
flood forecasting
inflow into reservoir
gr4j-lstm hybrid model
neural network
mean impact value algorithm
Lushui Reservoir
-
分类号
P338.1
[天文地球—水文科学]
-