[1]李博,降亚楠,张特,等.基于ＬＳＴＭ模型的北威克试验站小流域实时径流预报[J].水利与建筑工程学报,2022,(03):217-223.[doi:10.3969/j.issn.1672-1144.2022.03.032]
点击复制

基于ＬＳＴＭ模型的北威克试验站小流域实时径流预报()
分享到：

《水利与建筑工程学报》[ISSN:1672-1144/CN:61-1404/TV]

卷:
期数:
2022年03期
页码:
217-223
栏目:
出版日期:
2022-05-30

文章信息/Info

作者:
李博1; 降亚楠1; 2; 张特1; 姜田亮1
1．西北农林科技大学水利与建筑工程学院，陕西杨凌712100；2．西北农林科技大学旱区农业水土工程教育部重点实验室，陕西杨凌712100
关键词:
长短时记忆网络; 实时径流预报; 北威克试验站; 小流域
分类号:
Ｐ338
DOI:
10.3969/j.issn.1672-1144.2022.03.032
摘要:
为探讨深度学习方法在小流域实时精细化径流预报中的适用性，建立了基于长短时记忆网络（ＬＳＴＭ）的英格兰北威克试验站小流域实时径流预报模型。借助深度学习框架Ｔｅｎｓｏｒｆｌｏｗ，采用ＬＳＴＭ识别输入特征及输入输出间的复杂非线性关系，将逐时段流域径流、前期降雨及气温三要素作为输入，分析了多种输入组合和多个时间步长的实时径流预报效果。结果表明：基于ＬＳＴＭ的模型在各子流域的径流预报效果较好，训练期和验证期的纳什系数均高于0．90，该模型可用于研究区的实时径流预报，可为流域防洪调度提供技术支撑。

参考文献/References:

［1］　ＷａｎｇＷ Ｃ，ＣｈａｕＫＷ．Ａｃｏｍｐａｒｉｓｏｎｏｆｐｅｒｆｏｒｍａｎｃｅｏｆｓｅｖｅｒａｌａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ ｍｅｔｈｏｄｓ ｆｏｒ ｆｏｒｅｃａｓｔｉｎｇｍｏｎｔｈｌｙｄｉｓｃｈａｒｇｅｔｉｍｅｓｅｒｉｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，2009，37４（3）：29４-306．
［2］　康燕楠，降亚楠，苏振辉．基于ＮＳＧＡ-Ⅲ和ＦｌｏＰｙ的灌区水资源多目标模拟优化模型［Ｊ］．水利与建筑工程学报，2021，19（3）：17-23．
［3］　李继清，王　爽，段志鹏．基于ＥＳＭＤ-ＢＰ神经网络组合模型的中长期径流预报［Ｊ］．应用基础与工程科学学报，2020，28（４）：817-832．
［4］　ＹｕａｎＸＨ，ＣｈｅｎＣ，ＬｅｉＸＨ，ｅｔａｌ．Ｍｏｎｔｈｌｙｒｕｎｏｆｆｆｏｒｅ-ｃａｓｔｉｎｇｂａｓｅｄｏｎＬＳＴＭ-ＡＬＯｍｏｄｅｌ［Ｊ］．ＳｔｏｃｈａｓｔｉｃＥｎｖｉ-ｒｏｎｍｅｎｔａｌＲｅｓｅａｒｃｈａｎｄＲｉｓｋＡｓｓｅｓｓｍｅｎｔ，2018，32（1）：2199-2212．
［5］　ＢｉｔｔｅｌｌｉＭ，ＴｏｍｅｉＦ，ＰｉｓｔｏｃｃｈｉＡ，ｅｔａｌ．Ｄｅｖｅｌｏｐｍｅｎｔａｎｄｔｅｓｔｉｎｇｏｆａｐｈｙｓｉｃａｌｌｙｂａｓｅｄｔｈｒｅｅ-ｄｉｍｅｎｓｉｏｎａｌｍｏｄｅｌｏｆｓｕｒｆａｃｅａｎｄｓｕｂｓｕｒｆａｃｅｈｙｄｒｏｌｏｇｙ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＷａｔｅｒＲｅｓｏｕｒｃｅｓ，2010，33（1）：106-122．
［6］　ＰａｒｔｉｎｇｔｏｎＤ，ＢｒｕｎｎｅｒＰ，ＳｉｍｍｏｎｓＣＴ．Ｅｖａｌｕａｔｉｏｎｏｆｏｕｔｐｕｔｓｆｒｏｍ ａｕｔｏｍａｔｅｄｂａｓｅｆｌｏｗ ｓｅｐａｒａｔｉｏｎｍｅｔｈｏｄｓａ-ｇａｉｎｓｔｓｉｍｕｌａｔｅｄｂａｓｅｆｌｏｗｆｒｏｍａｐｈｙｓｉｃａｌｌｙｂａｓｅｄｓｕｒｆａｃｅｗａｔｅｒ-ｇｒｏｕｎｄｗａｔｅｒｆｌｏｗｍｏｄｅｌ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，2012，４58／４59：28-39．
［7］　李琳琳，岳春芳，任　磊，等．基于小波分解的径向基神经网络径流预测研究［Ｊ］．水利与建筑工程学报，201４，12（４）：200-203．
［8］　胡庆芳，曹士圯，杨辉斌，等．汉江流域安康站日径流预测的ＬＳＴＭ 模型初步研究［Ｊ］．地理科学进展，2020，39（４）：636-6４2．
［9］　杨人豪，杨庆媛，曾　黎，等．基于ＢＰ-ＡＮＮ模型的农村土地生态安全评价及影响因素分析———以重庆市丰都县为例［Ｊ］．水土保持研究，2017，2４（3）：206-213．
［10］　王彤彤，翟军海，何　欢，等．ＢＰ神经网络和ＳＶＭ模型对施加生物炭土壤水分预测的适用性［Ｊ］．水土保持研究，2017，2４（3）：86-91．
［11］　ＣｈｅｎＬ，ＷｕＣＷ．Ａｎｏｔｅｏｎｔｈｅｅｘｐｒｅｓｓｉｖｅｐｏｗｅｒｏｆｄｅｅｐｒｅｃｔｉｆｉｅｄｌｉｎｅａｒｕｎｉｔｎｅｔｗｏｒｋｓｉｎｈｉｇｈ-ｄｉｍｅｎｓｉｏｎａｌｓｐａｃｅｓ［Ｊ］．ＭａｔｈｅｍａｔｉｃａｌＭｅｔｈｏｄｓｉｎｔｈｅＡｐｐｌｉｅｄＳｃｉ-ｅｎｃｅｓ，2019，４2（9）：1４7-161．
［12］　ＷａｎｇＱＲ，ＨｕａｎｇＪ，ＬｉｕＲＭ，ｅｔａｌ．Ｓｅｑｕｅｎｃｅ-ｂａｓｅｄｓｔａｔｉｓｔｉｃａｌｄｏｗｎｓｃａｌｉｎｇａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｔｏｈｙｄｒｏｌｏｇｉｃｓｉｍｕｌａｔｉｏｎｓｂａｓｅｄｏｎｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｎｄｂｉｇｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，2020，586：12４875．
［13］　ＹｉｎＨＬ，ＺｈａｎｇＸＷ，ＷａｎｇＦＤ，ｅｔａｌ．Ｒａｉｎｆａｌｌ-ｒｕｎｏｆｆｍｏｄｅｌｉｎｇｕｓｉｎｇＬＳＴＭ-ｂａｓｅｄｍｕｌｔｉ-ｓｔａｔｅ-ｖｅｃｔｏｒｓｅｑｕｅｎｃｅ-ｔｏ-ｓｅｑｕｅｎｃｅｍｏｄｅｌ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，2021，598：126378．
［1４］　姜淞川，陆建忠，陈晓玲，等．基于ＬＳＴＭ网络鄱阳湖抚河流域径流模拟研究［Ｊ］．华中师范大学学报（自然科学版），2020，5４（1）：128-139．
［15］　ＰｕｌｌｅｙＳ，ＣｏｌｌｉｎｓＡ Ｌ．Ｆｉｅｌｄ-ｂａｓｅｄｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｃｏｎｔｒｏｌｓｏｎｒｕｎｏｆｆａｎｄｆｉｎｅｓｅｄｉｍｅｎｔｇｅｎｅｒａｔｉｏｎｆｒｏｍｌｏｗ-ｌａｎｄｇｒａｚｉｎｇｌｉｖｅｓｔｏｃｋｆｉｅｌｄｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎＭａｎａｇｅ，2019，2４9：109365．
［16］　ＨｏｃｈｒｅｉｔｅｒＳ，ＳｃｈｍｉｄｈｕｂｅｒＪ．Ｌｏｎｇｓｈｏｒｔ-ｔｅｒｍｍｅｍｏｒｙ［Ｊ］．Ｎｅｕｒａｌｃｏｍｐｕｔａｔｉｏｎ，1997，9（8）：1735-1780．
［17］　ＧｒａｖｅｓＡ，ＳｃｈｍｉｄｈｕｂｅｒＪ．Ｆｒａｍｅｗｉｓｅｐｈｏｎｅｍｅｃｌａｓｓｉｆｉ-ｃａｔｉｏｎｗｉｔｈｂｉｄｉｒｅｃｔｉｏｎａｌＬＳＴＭａｎｄｏｔｈｅｒｎｅｕｒａｌｎｅｔｗｏｒｋａｒｃｈｉｔｅｃｔｕｒｅｓ［Ｊ］．ＮｅｕｒａｌＮｅｔｗｏｒｋｓ：ＴｈｅＯｆｆｉｃｉａｌＪｏｕｒｎａｌｏｆｔｈｅＩｎｔｅｒｎａｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＳｏｃｉｅｔｙ，2005，18（5／6）：602-610．
［18］　ＧａｕｃｈＭ，ＫｒａｔｚｅｒｔＦ，ＫｌｏｔｚＤ，ｅｔａｌ．Ｒａｉｎｆａｌｌ-ｒｕｎｏｆｆｐｒｅｄｉｃｔｉｏｎａｔｍｕｌｔｉｐｌｅｔｉｍｅｓｃａｌｅｓｗｉｔｈａｓｉｎｇｌｅｌｏｎｇｓｈｏｒｔ-ｔｅｒｍｍｅｍｏｒｙｎｅｔｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，2020，1４1：103622．
［19］　ＧｕｏＢＳ，ＨｕＪＷ，ＷｕＷ Ｗ，ｅｔａｌ．Ｔｈｅｔａｂｕ-ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ：ａｎｏｖｅｌｍｅｔｈｏｄｆｏｒｈｙｐｅｒ-ｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａ-ｔｉｏｎｏｆｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓ［Ｊ］．Ｅｌｅｃｔｒｏｎｉｃｓ，2019，8：579．
［20］　陈昊荣，金　生．基于ＳＷＡＴ模型的汉江流域径流模拟［Ｊ］．水利与建筑工程学报，2020，18（1）：2４5-250．

相似文献/References:

[1]杨宗仁,杨凯,王健.基于 ＡＡＦＳＡ－ＬＳＴＭ的大坝变形预测模型[J].水利与建筑工程学报,2022,(01):98.[doi:10.3969/j.issn.1672-1144.2022.01.015]

备注/Memo

备注/Memo:
收稿日期：2022-01-21　　　　　修稿日期：2022-02-27
基金项目：国家重点研发计划（2016ＹＦＣ0４00305；2016ＹＦＣ0４01306）；国家自然科学基金项目（51４09219）
作者简介：李　博（1997—），男（土家族），硕士研究生，研究方向为水文学及水资源。Ｅ-ｍａｉｌ：ｙｃｌｂ1997＠ｆｏｘｍａｉｌ．ｃｏｍ
通讯作者：降亚楠（198４—），男，博士，副教授，主要从事水文学及水资源研究方面的工作。Ｅ-ｍａｉｌ：ｙａｎａｎｊｉａｎｇ＠ｎｗａｆｕ．ｅｄｕ．ｃｎ
更新日期/Last Update: 2022-05-30