基于深度学习的雷达降雨临近预报及洪水预报

P333; 为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net、嵌入注意力门的Attention-Unet和添加转换器的多级注意力TransAtt-Unet开展雷达降雨临近预报,将预报降雨作为HEC-HMS水文模型的输入,对柳林实验流域进行洪水预报.结果表明:1 h 预见期时,Attention-Unet 对短时强降雨预报结果较好,TransAtt-Unet预报降雨模拟的洪峰流量和径流量相对误差小于 20%,各深度学习模型对量级较大的降雨和洪水预报精度较高;2 h预见期的预报降雨强度、降雨总量、洪峰流量和径流量存在显著低估,U-Net能取得相对较好的降雨预报结果.基于深度...

Full description

Saved in:
Bibliographic Details
Published in水科学进展 Vol. 34; no. 5; pp. 673 - 684
Main Authors 李建柱, 李磊菁, 冯平, 唐若宜
Format Journal Article
LanguageChinese
Published 天津大学水利工程仿真与安全国家重点实验室,天津 300350 2023
Subjects
quantitative rainfall estimation
deep learning
洪水预报
radar rainfall nowcasting
深度学习
柳林实验流域
Liulin experimental watershed
雷达降雨临近预报
降雨定量估计
flood forecasting
Online AccessGet full text
ISSN1001-6791
DOI10.14042/j.cnki.32.1309.2023.05.003

Cover

More Information
Summary:P333; 为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net、嵌入注意力门的Attention-Unet和添加转换器的多级注意力TransAtt-Unet开展雷达降雨临近预报,将预报降雨作为HEC-HMS水文模型的输入,对柳林实验流域进行洪水预报.结果表明:1 h 预见期时,Attention-Unet 对短时强降雨预报结果较好,TransAtt-Unet预报降雨模拟的洪峰流量和径流量相对误差小于 20%,各深度学习模型对量级较大的降雨和洪水预报精度较高;2 h预见期的预报降雨强度、降雨总量、洪峰流量和径流量存在显著低估,U-Net能取得相对较好的降雨预报结果.基于深度学习的1h预见期雷达降雨临近预报及洪水预报可为流域防洪减灾提供科学依据.
ISSN:1001-6791
DOI:10.14042/j.cnki.32.1309.2023.05.003