基于深度学习的流域洪水预报模型研究

摘要：

随着水文信息系统的普及,水文数据的采集越来越方便.传统上依靠各类水文模型及参数率定以刻画水文数据和预报成果间的复杂关联,如何实现水文数据驱动的水文自动预报是当前面临的问题.近年来,人工智能技术蓬勃发展,深度学习技术开始应用于水文学领域,试图解决这一问题.本文以沮漳河西支峡口至远安区间流域为研究对象,结合分布式水文模型的原理及深度学习理论方法,基于流域多维度数据对流域产汇流特性进行提取,利用特征网络进行流域径流预报,构建基于卷积神经网络(CNN,Convolutional Neural Networks)的流域降雨径流预报模型.研究将模型模拟结果与前期影响雨量模型(API,Antecedent Precipitation Index)结果进行对比分析,结果表明,基于卷积神经网络的流域降雨径流预报模型模拟精度为90%,模型可靠,能满足大部分的降雨洪水预报,为流域降雨径流预报提供一种新的方法.

关键词：人工智能、降雨径流预报、深度学习、卷积神经网络、参数率定

所属期刊栏目：43

分类号：TV139.16;P338(水利工程基础科学)

资助基金：国家自然科学基金;湖北省自然科学基金创新群体项目

在线出版日期：2023-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：82-87,92