基于深度学习模型的大理河流域水沙模拟与预测OA
深度学习模型能够处理复杂的非线性关系,且无需预先设定物理过程或参数,在流域水沙模拟预测方面展现出巨大潜力。为探究深度学习模型在流域水沙模拟预测方面的能力,基于大理河流域1960—2021年的水沙实测数据,采用EEMD-GRU、EEMD-LSTM和EEMD-GRU-LSTM三种深度学习模型对流域水沙变化进行了模拟,评估了三种深度学习模型在模拟流域水沙变化的适宜性。结果表明,大理河流域近62年来年径流量和年输沙量均呈显著下降趋势,三种深度学习模型和实测结果表现出较好的一致性;EEMD-GRU-LSTM对年径流量和年输沙量模拟精度均优于其他两种模型,其纳什效率系数分别为0.69和0.58。深度学习模型在流域水沙模拟预测方面具有一定效果,且后续相关研究可以使用多种模型耦合将模型作进一步的改进。
于鹤祥;任宗萍;王友胜;李婧妮;王启航
西安理工大学旱区水工程生态环境全国重点实验室,陕西西安710048西安理工大学旱区水工程生态环境全国重点实验室,陕西西安710048中国水利水电科学研究院水利部泥沙科学与北方河流治理重点实验室,北京100048西安理工大学旱区水工程生态环境全国重点实验室,陕西西安710048西安理工大学旱区水工程生态环境全国重点实验室,陕西西安710048
建筑与水利
深度学习GRU模型LSTM模型水沙模拟大理河流域
《泥沙研究》 2026 (2)
P.46-52,7
中国水利水电科学研究院水利部泥沙科学与北方河流治理重点实验室开放研究基金项目(IWHR-SEDI-2024-09)陕西省教育厅创新团队项目(陕西高校青年创新团队21JP041)。
评论