基于深度学习的西南地区寿溪河山洪预报研究

• 作者: 尹兆锐 李红霞 唐萱 龚志惠
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 山洪预报 寿溪河流域 深度学习 LSTM网络 区间预报
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 水情测报与优化调度|HYDROLOGICAL FORECAST AND OPTIMAL SCHEDULING
• 页码范围: 88-91
• 页数: 4页
• 分类号: TV124
• 语种: 中文

摘要

鉴于山洪突发性强、历时短、陡涨陡落等致使在模拟预报过程中具有较大难度和不确定性问题,构建了基于深度学习的LSTM网络模型进行山洪确定性预报和概率预报,从精度和可靠度两方面研究其在西南山区的适用性.并以西南山洪易发区寿溪河流域为例进行模拟,结果显示LSTM网络模型更易发现暴雨洪水之间的深层规律,验证期平均纳什效率系数达0.954,与BP模型相比,显著提升了洪水预报精度,尤其是大洪水;概率预报有效降低了山洪预报的不确定性,洪峰附近的流量数据基本落入预报区间内,有效提高了预报可靠度.