冰雪消融径流的精确模拟对内陆河流域洪水灾害预警与水资源优化管理具有重要意义。长短时记忆神经网络(long short-term memory, LSTM)深度学习模型可有效用于水文预测领域。针对传统LSTM模型未能充分利用气象要素空间特征,论文以叶尔羌河源区为研究区,基于空间矩(spatial moments of catchment, SMC)方法提取气温的空间特征,利用LSTM学习长时序过程规律,构建融合气温时空特征的高寒山区深度学习日径流预测模型SMCLSTM;利用LSTM模型和水文模型SWAT(soil and water assessment tool)作为比对模型评估了改进的LSTM模型在冰雪消融补给型河流径流预测中的优势与不足。结果表明:SMC-LSTM径流模型纳什效率系数相较于SWAT日尺度水文模型提高约20%;SMC-LSTM径流预测模型在预见期1~7 d时纳什效率系数优于LSTM模型5%~15%,在峰值流量的预测上优于LSTM模型2%~22%,预见期越短,SMC-LSTM径流预测模型优势越明显。空间量化指标SMC的加入提升了LSTM模型径流预测的准确度。
暂无评论