人民黄河

作者：李睿, 吴丹, 刘启兴

单位：1.黄河水利委员会 水文局，河南 郑州 450004；2.黄河水利委员会 黄河水利科学研究院，河南 郑州 450003；3.黄河实验室，河南 郑州 450003；4.河南省智慧水利工程技术研究中心，河南 郑州 450003

关键词：径流泥沙；预测；深度学习；Mann-Kendall检验；无定河；窟野河

基金：国家重点研发计划项目（2023YFC3209304）；国家自然科学基金资助项目（U2443219）；中国保护黄河基金会资助项目(CYRF2025-ZZ006)；中央级公益性科研院所基本科研业务费专项（HKY-JBYW-2024-12，HKY-JBYW-2023-20，HKY-JBYW-2022-11）；黄河水利科学研究院科技发展基金资助项目(黄科发202410)\r\n<div id=\aiAssistRoot\>\r\n</div>

传统水文模型的建立依赖对真实水文现象的模拟与概化假设，存在参数不确定、难以动态刻画下垫面变化等固有缺陷。利用基于大数据的深度学习技术，基于黄河水沙数据海量、多样、长期序列、动态关联的时空属性，深入研究径流泥沙预测深度学习建模理论与方法。选取黄河主要产沙区典型支流窟野河和无定河，收集水文、植被等多源数据并进行特征提取，利用Mann-Kendall检验法确定水沙要素变化突变时间，利用复回归直线分析模型量化驱动力，基于深度置信网络(DBN)模型、长短期记忆网络（LSTM）模型、极端梯度提升（XGBoost）模型构建针对黄河主要产沙区典型支流径流泥沙智能预测模型。结果表明：2个支流年径流量、年输沙量在突变年份之后呈减小趋势，非降雨因素对年输沙量的贡献值为负值，即起到减沙作用；LSTM模型和DBN模型能基本反映洪水涨落过程，LSTM模型模拟流量峰值的表现略好于DBN模型；XGBoost模型在白家川站、温家川站测试集的平均相对百分比误差分别为44.0%、13.4%。

来源：2026年第2期

《人民黄河》期刊编辑部

查看人民黄河杂志2026年第2期