基于机器学习模型的洪水预报研究进展

作者：张然; 柴志勇; 张婷^*; 李建柱

来源：水利水电技术(中英文), 2023, 54(11): 89-101.

DOI：10.13928/j.cnki.wrahe.2023.11.008

• 机器学习
• 深度学习
• 数据驱动
• 洪水预报
• 水文预报

【目的】准确可靠的洪水预报作为水文预报工作的重中之重，对提高防洪减灾的应急响应效率至关重要。基于数据驱动的机器学习模型无需考虑流域水文物理过程，通过学习历史数据中隐含规律进行建模，在洪水预报领域发展迅速。【方法】将机器学习模型在洪水预报中的应用进行总结，根据结构和复杂度将其分为传统机器学习模型和深度学习模型，包括线性回归、人工神经网络、支持向量机、自适应神经模糊推理系统、小波神经网络和决策树在内的传统机器学习模型，以及包括卷积神经网络和循环神经网络在内的深度学习模型。【结果】结合国内外研究成果，分析了机器学习模型的原理和特点，总结了其在洪水预报中的优势和局限性，并对混合模型的优化方向进行归纳分类，最后对机器学习模型在洪水预报中的未来应用进行展望。【结论】相关成果可为基于机器学习模型的洪水预报研究提供参考。

• 单位
  中水北方勘测设计研究有限责任公司; 水利工程仿真与安全国家重点实验室; 天津大学