孟涵, 姚成, 郑爱民, 杨丰源, 李京兵, 石卓, 张锦堂
HTML(1656)
PDF (28)
长短期记忆网络(LSTM)模型能够有效地模拟降雨-径流间的非线性响应,在洪水模拟及预报中的应用日趋广泛。为了提高模型在不同应用场景下的适用性和模拟精度,基于LSTM模型及其5个变体模型,以皖南山区舒家流域1986-2000年30场洪水的降雨径流时间序列开展实例研究,探讨了包括不同损失函数、不同预见期以及不同训练规模等多种情景下,LSTM及其变体模型的洪水模拟效果;并开展了LSTM 模型及其变体模型与极端梯度上升(XGBoost)模型的集合模拟研究。结果表明:①4种损失函数都能较好地实现舒家流域出口断面的洪水过程模拟,模拟精度:相对均方根误差(RSR)>纳什效率系数(NSE)>均方误差(MSE)>克林-古普塔效率系数(KGE),其中RSR在LSTM及其变体模型下测试集各场次的纳什效率系数(NSE)均能达到0.7以上。②随着预见期的延长,模型在处理长时间序列时面临信息遗忘或误差累积等问题,采用LSTM及其变体模型进行洪水模拟的精度总体呈下降趋势;相同的预见期情景下,随着训练规模的增加,模型模拟精度先上升达到最佳后趋于稳定。③LSTM模型及其变体模型与XGBoost模型进行模型集合,降低了单一模型的模拟偏差,使得整体预测更具准确性和可靠性;并且通过引入残差模拟,弥补了单一模型未能捕捉到的复式洪水的特征,进一步提高了复式洪水的模拟精度。