基于GR4J-LSTM混合模型的洪水预报研究

作者：崔震; 郭生练; 王俊; 王何予; 尹家波; 巴欢欢

来源：人民长江, 2022, 53(07): 1-7.

DOI：10.16232/j.cnki.1001-4179.2022.07.001

• 洪水预报
• 入库流量
• GR4J-LSTM混合模型
• 神经网络
• 平均影响值算法
• 陆水水库

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。

• 单位
  长江勘测规划设计研究有限责任公司; 武汉大学; 水资源与水电工程科学国家重点实验室