长短时记忆网络与新安江模型耦合的降雨径流模拟性能
Study on performance of rainfall-runoff simulations using coupled long short-term memory network and Xin’anjiang model作者机构:南京信息工程大学水文与水资源工程学院南京210044 水利部水文气象灾害机理与预警重点实验室南京210044
出 版 物:《水力发电学报》 (Journal of Hydroelectric Engineering)
年 卷 期:2024年第43卷第1期
页 面:24-34页
核心收录:
学科分类:08[工学] 081501[工学-水文学及水资源] 0815[工学-水利工程]
主 题:双向长短时记忆网络模型 新安江模型 耦合模型 灰狼优化算法 径流模拟
摘 要:深度学习技术在降雨径流模拟方面具有广阔应用前景,但受训练样本限制,需与传统水文模型相耦合,由传统水文模型提供训练数据。耦合数据的选择和超参数方案对耦合模型的模拟性能影响显著,但尚未有专门的研究。本文以东湾流域为例,用双向长短时记忆网络耦合新安江模型不同模块数据,并用灰狼优化算法优化超参数,构建降雨径流模型。结果表明:模型耦合不同数据时,对日径流和场次洪水的模拟性能均有提高,尤以耦合产流量和模拟流量数据时最为明显。不同耦合数据需调整超参数方案,灰狼优化算法可满足需求。本研究为提高耦合模型径流模拟能力提供了新思路和新方法。