基于图神经网络的水富—宜宾航道多站点水位预报模型
Multi station water level prediction model for Shuifu to Yibin waterway based on graph neural network作者机构:长江水利委员会水文局湖北武汉430010 中国长江三峡集团有限公司流域枢纽运行管理中心湖北宜昌443133 长江航道局湖北武汉430010 长江航道规划设计研究院湖北武汉430040 长江航道勘察设计院(武汉)有限公司湖北武汉430040
出 版 物:《水运工程》 (Port & Waterway Engineering)
年 卷 期:2024年第2期
页 面:124-130页
学科分类:07[理学] 0707[理学-海洋科学] 08[工学] 0824[工学-船舶与海洋工程]
基 金:长江航道局科技项目(202230001) 中国长江三峡集团有限公司资助项目(0711606) 长江水利委员会水文局科技创新基金项目(SWJ-CJX23Z08)
主 题:水位预报 向家坝水库 水富—宜宾航道 图神经网络 StemGNN
摘 要: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。