基于分级优化与LSTM方法的中小流域洪水预报研究

作者：李志超; 张怡雯; 邬强; 胡彩虹^*

来源：水利水电技术(中英文), 2022, 53(08): 41-49.

DOI：10.13928/j.cnki.wrahe.2022.08.004

• 洪水分级
• 误差校正
• LSTM
• 洪水预报

为提高洪水预报精度，以四川省寿溪流域和陕西省青阳岔流域为研究对象，利用径向基函数(RBF)神经网络和降雨方差(S2)对洪水进行分级，针对不同等级洪水建立多套流域参数进行洪水分级预报，减小由于全流域使用单一参数集而产生的预报误差，其次建立长短时记忆(LSTM)误差校正模型，对分级洪水预报结果进行校正。结果显示：利用洪水分级预报与LSTM集合校正的方法在寿溪流域应用，验证集场次洪水先后降低洪峰误差0.8%～7.8%和1.23%～4.30%,NSE分别提高0.014～0.053和0.06～0.09;在青阳岔流域应用，验证集场次洪水先后降低洪峰误差4.38%～16.8%和2.19%～8.14%,NSE分别提高0.011～0.053和0.06～0.12,且对峰现时差均有所改善。综合结果表明此误差集合校正方法对流域洪水预报减小预报误差，提高精度有一定的适用性。

• 单位
  水利部水利信息中心; 郑州大学