基于Transformer-GRU模型的梯级水库日径流预报研究OA

为满足清江梯级水库日径流精准预报需求,解决传统预报方法在复杂水文条件下精度不足的问题,进而为水库防洪、发电、生态协同调度提供科学依据,研究开展了梯级水库日径流预报模型构建与应用研究。针对径流影响因子复杂的特点,运用前向特征选择法与相关性分析相结合的方式进行预报因子筛选,以水布垭电站为模型优选目标对象,利用其历史水文气象数据完成模型参数调试与结构优化;再基于水布垭、隔河岩、高坝洲三座梯级水库的水文特性差异,创新构建基于时序-协变量的(Transformer-GRU)混合预报架构,该架构既能依托Transformer精准捕捉时序数据中的长期复杂模式,又能通过GRU深度挖掘特征间的交互关系,同时结合动态学习率实时调整训练步长、定制化损失函数强化关键径流时段预报精度,进一步提升模型综合性能。为客观评价模型效果,研究基于Nash-Sutcliffe效率系数(NSE)、Kling-Gupta效率系数(KGE)构建多维评价体系,采用2011-2021年数据开展模型训练,2022-2024年数据进行独立验证,结果显示:3座水库训练集平均NSE分别达0.898、0.902和0.875,平均KGE分别达0.859、0.913和0.894,且预报径流总量相对误差全部控制在7%以内,验证了模型的可靠性与适用性。目前该研究成果已成功应用于清江梯级水库实际日径流预报业务,有效提升了预报精度与时效性,为科学制定水库调度计划提供了重要技术支撑。