基于循环神经网络的水沙过程预测方法及其应用——以黄河下游为例

作     者：徐睿霖 夏军强 李志威 缪驰远 周美蓉 陈翠霞 鲁俊 XU Ruilin;XIA Junqiang;LI Zhiwei;MIAO Chiyuan;ZHOU Meirong;CHEN Cuixia;LU Jun

作者机构：武汉大学水资源工程与调度全国重点实验室湖北武汉430072 北京师范大学地理科学学部北京100875 黄河勘测规划设计研究院有限公司河南郑州450003 

基　　金：国家自然科学基金项目(编号:U2243237 U2243238) 国家重点研发计划项目(编号:2023YF3209304) 

出 版 物：《武汉大学学报（工学版）》 (Engineering Journal of Wuhan University)

年 卷 期：2024年第57卷第5期

页      码：571-581页

摘      要：精准快速地预测水沙过程对于高效制订防汛应急方案具有重要意义。选取可记忆时段信息的循环神经网络算法,针对黄河下游游荡河段,按照进口花园口站来水量及来沙量对各年份数据进行分类,分别构建了适用于不同来水来沙类型的循环神经网络水沙预测模型用以预测高村站的水沙过程。模型训练完成后,输入花园口站的水沙数据即可输出对应时段内高村站的水沙数据预测值。预测结果表明:1)数据集预处理时,按照河段进口来水来沙类型进行划分可以提高预测精度,相较不划分方式,洪峰与沙峰的预测精度最高可提升50%以上;2)预测的水沙过程与实测数据符合良好,纳什效率系数(Nash-Sutcliffe efficiency coefficient,NSE)最优分别可达到0.99与0.92,年内汛期与非汛期流量过程的预测效果相近,NSE为0.97左右,而含沙量过程汛期预测结果的NSE为0.88左右,优于非汛期;3)循环神经网络模型对流量过程的预测精度能够达到甚至超过马斯京根法,并且可以弥补马斯京根法不能预报含沙量过程的不足。总体来看,循环神经网络水沙预测方法的精度较高,适用于黄河下游游荡段不同类型水沙过程的预测。

主 题 词：水沙过程预测 机器学习 循环神经网络 游荡段 黄河下游 

学科分类：08[工学] 081501[081501] 0815[工学-矿业类] 

核心收录：

D　O　I：10.14188/j.1671-8844.2024-05-005

馆 藏 号：203127844...