-
题名基于水动力模型和深度学习的缺资料河段水位预测研究
被引量：1
- 1
-
-
作者
苑峻华
李雪
韩会明
刘杨
-
机构
江西省水利科学院
长江涪陵航道处
华中科技大学土木与水利工程学院
-
出处
《水电能源科学》
北大核心
2025年第6期29-32,61,共5页
-
基金
江西省自然科学基金项目(20232BAB213076)
江西水利科技项目(202324YBKT02)。
-
文摘
河流水位预测对于河流防洪、灌溉、航运等功能的发挥具有重要意义,目前水位预测主要针对有实测数据的监测站点处,对于无监测站点缺资料河段的有效水位预测方法还有待进一步研究。为此,提出了一种融合水动力模型和深度学习的缺资料河段水位预测方法,通过水动力模型获得无站点处的水位变化过程,并采用水动力模型的模拟水位数据结合上游水文水位站数据,构造了不同模型输入下的深度学习模型训练数据集,比较了不同模型输入对深度学习模型在未来1~3d的水位预测效果影响。对长江中游宜昌至沙市段的模型试验结果表明,水动力模型模拟的河段无站点处的水位变化过程精度较高,基于水动力模型模拟水位数据进行深度学习模型的训练后,其水位预测精度与基于实测数据训练的水位预测精度相似,待预测站点——枝城站未来1d水位预测结果的纳什系数NNSE和均方根误差RRMSE分别为0.9779和0.3560m,整体处于较优精度;在训练集中加入上游水文水位站数据后,模型预测精度得到了进一步提升,枝城站未来1d水位预测结果的NNSE和RRMSE分别达0.9804和0.3273m。研究方法能够为无站点河段的水资源管理与利用提供一定的参考。
-
关键词
水动力模型
深度学习
缺资料河段
水位预测
-
Keywords
hydrodynamic model
deep learning
ungauged rivers
water level prediction
-
分类号
TV124
[水利工程—水文学及水资源]
P338
[天文地球—水文科学]
-
