长短时记忆网络与新安江模型耦合的降雨径流模拟性能

摘要：

深度学习技术在降雨径流模拟方面具有广阔应用前景,但受训练样本限制,需与传统水文模型相耦合,由传统水文模型提供训练数据.耦合数据的选择和超参数方案对耦合模型的模拟性能影响显著,但尚未有专门的研究.本文以东湾流域为例,用双向长短时记忆网络耦合新安江模型不同模块数据,并用灰狼优化算法优化超参数,构建降雨径流模型.结果表明:模型耦合不同数据时,对日径流和场次洪水的模拟性能均有提高,尤以耦合产流量和模拟流量数据时最为明显.不同耦合数据需调整超参数方案,灰狼优化算法可满足需求.本研究为提高耦合模型径流模拟能力提供了新思路和新方法.

关键词：双向长短时记忆网络模型、新安江模型、耦合模型、灰狼优化算法、径流模拟

所属期刊栏目：43

分类号：P338.1(水文科学（水界物理学）)

资助基金：国家自然科学基金41901036

在线出版日期：2024-02-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：24-34