无资料流域日径流预测<bold>:</bold> 模型迁移优化及参考流域决策分析
摘要
区域径流预报是提高无资料流域水资源管理水平和保障区域水安全的关键技术手段. 本研究以我国主要水系内40个典型流域为研究对象, 系统对比了传统水文模型(HMETS)与长短期记忆网络(LSTM)在单流域建模及无资料流域径流预报中的性能差异, 并深入探讨了区域LSTM模型的训练策略及优化方法. 结果表明：1)HMETS与LSTM的预报精度在单流域建模中无显著差异, 二者均难以表征强人类活动干扰下的径流响应机制; 2)基于空间相似法的水文模型区域参数化方案在自然流域表现尚可, 但在人类活动主导区域普遍失效; 3)LSTM模型可深度耦合降水-径流响应的关联机制, 在无资料流域预测精度优于传统区域参数化方法, 而引入径流系数的预处理方法能进一步提升模型跨流域泛化性能; 4)随参考流域数量增加, 目标流域预测精度通常呈现出先增后减的非线性关系, 凸显了流域相似性的重要影响, 在人类活动干扰区还应优先匹配流域间人类活动模式. 本文研究成果可为我国不同地区缺资料流域径流预报工作提供借鉴.
引用本文（GB/T 7714）
昕熠 宋, Siyu Yi, Hai Liu, 等. 无资料流域日径流预测<bold>:</bold> 模型迁移优化及参考流域决策分析[J]. SCIENTIA SINICA Terrae, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。