融合气象要素时空特征的深度学习水文模型

被引:14
作者
李步
田富强
李钰坤
倪广恒
机构
[1] 清华大学水沙科学与水利水电工程国家重点实验室
基金
国家重点研发计划;
关键词
水文模拟; 物理水文模型; 深度学习; 长短时记忆神经网络; 主成分分析; 黄河源区;
D O I
10.14042/j.cnki.32.1309.2022.06.005
中图分类号
P333 [水文分析与计算];
学科分类号
摘要
针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题,本文基于主成分分析(PCA)方法提取气象要素空间特征,利用长短时记忆神经网络(LSTM)学习长时序过程规律,构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域,利用LSTM模型和物理水文模型THREW作为比对模型,基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示:PCA-LSTM模型径流模拟纳什效率系数为0.92,高于比对模型LSTM和THREW,表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。
引用
收藏
页码:904 / 913
页数:10
相关论文
共 29 条
  • [1] 西南河流源区径流量变化规律及其未来演变趋势
    徐宗学
    周祖昊
    姜瑶
    桑燕芳
    季鹏
    侯居峙
    陈峰
    [J]. 水科学进展, 2022, 33 (03) : 360 - 374
  • [2] 基于多因子组合的SVR模型在松花江流域径流预报中的应用
    朱春苗
    吴海江
    宋小燕
    宋松柏
    [J]. 水电能源科学, 2021, 39 (06) : 12 - 15+41
  • [3] 澜沧江-湄公河流域水库联合调度防洪作用
    侯时雨
    田富强
    陆颖
    倪广恒
    卢麾
    刘慧
    魏靖
    [J]. 水科学进展, 2021, 32 (01) : 68 - 78
  • [4] 中国城市洪涝致灾机理与风险评估研究进展
    徐宗学
    陈浩
    任梅芳
    程涛
    [J]. 水科学进展, 2020, 31 (05) : 713 - 724
  • [5] 基于分布式水文模型的雅鲁藏布江径流水源组成解析
    田富强
    徐冉
    南熠
    李琨彪
    贺志华
    [J]. 水科学进展, 2020, 31 (03) : 324 - 336
  • [6] 中国城市洪涝问题及成因分析
    张建云
    王银堂
    贺瑞敏
    胡庆芳
    宋晓猛
    [J]. 水科学进展, 2016, 27 (04) : 485 - 491
  • [7] Can we use precipitation isotope outputs of isotopic general circulation models to improve hydrological modeling in large mountainous catchments on the Tibetan Plateau?
    Nan, Yi
    He, Zhihua
    Tian, Fuqiang
    Wei, Zhongwang
    Tian, Lide
    [J]. HYDROLOGY AND EARTH SYSTEM SCIENCES, 2021, 25 (12) : 6151 - 6172
  • [8] Benchmarking data-driven rainfall–runoff models in Great Britain: a comparison of long short-term memory (LSTM)-based models with four lumped conceptual models[J] . Lees Thomas,Buechel Marcus,Anderson Bailey,Slater Louise,Reece Steven,Coxon Gemma,Dadson Simon J..Hydrology and Earth System Sciences . 2021 (10)
  • [9] A multi-factor integrated method of calculation unit delineation for hydrological modeling in large mountainous basins
    Li, Bu
    Zhou, Xing
    Ni, Guangheng
    Cao, Xuejian
    Tian, Fuqiang
    Sun, Ting
    [J]. JOURNAL OF HYDROLOGY, 2021, 597
  • [10] What Role Does Hydrological Science Play in the Age of Machine Learning?
    Nearing, Grey S.
    Kratzert, Frederik
    Sampson, Alden Keefe
    Pelissier, Craig S.
    Klotz, Daniel
    Frame, Jonathan M.
    Prieto, Cristina
    Gupta, Hoshin V.
    [J]. WATER RESOURCES RESEARCH, 2021, 57 (03)