数据驱动与物理机制耦合的菜子湖流域水位预报模型研究

• Published in: 中国农村水利水电 no. 9; pp. 145 - 159
• Main Authors: 张运鑫, 雷岳清, 廖卫红, 张召, 雷晓辉, 年树强, 张志山
• Format: Journal Article
• Language: Chinese
• Published: 河北工程大学水利水电学院,河北 邯郸 056038 15.09.2024; 河北省水资源高效利用工程技术研究中心,河北 邯郸 056038%河北工程大学水利水电学院,河北 邯郸 056038%中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室,北京 100038%天津大学建筑工程学院,天津 300350%中国葛洲坝集团,湖北 武汉 197912
• Subjects: 水位误差; 神经网络(LSTM)模型; the method of data driven and physical mechanism; 四水源新安江模型; neural network(LSTM)model; water level error; 数据驱动和物理机制相结合; Four water source Xin?an River model
• ISSN: 1007-2284
• DOI: 10.12396/znsd.231753

TV124; 菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响.为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型.在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用.结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m.直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R2分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R2分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008.研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度.同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果.为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考.