概念性水文模型与智能模型在中小河流洪水模拟中的比较研究

作者：王越; 李巧玲^*; 肖杨

来源：水文, 2023, 1-10.

DOI：10.19797/j.cnki.1000-0852.20230034

• 洪水预报
• 中小河流
• LSTM神经网络
• 新安江模型

相较于大江大河的流域水文预报研究，中小流域的研究相对匮乏。以沅江河溪水文站以上流域为例，研究LSTM（Long Short-Term Memory）模型和新安江模型在场次洪水中的模拟效果。通过对比，新安江模型的整体模拟精度较高，洪量、洪峰、峰现时间的平均相对误差分别为9.39%、9.55%、1.6 h，确定性系数为0.73，综合合格率为100%，达到甲级精度标准；LSTM模型的模拟精度较低，洪量、洪峰、峰现时间的平均相对误差分别为11.76%、12.33%、2.3 h，确定性系数为0.60，综合合格率为75%，达到乙级精度标准。结果表明，新安江模型和LSTM模型是中小河流洪水预报的有效方法，均可用于河溪流域的正式预报，且对于河溪流域，新安江模型的模拟精度比LSTM模型更高。

• 单位
  五凌电力有限公司; 河海大学