人民黄河

作者：乔长建;刘震;邰建豪

单位：（1.河南财经政法大学 资源与环境学院，河南 郑州 450001; 2.河南省城乡空间数据挖掘 院士工作站，河南 郑州 450001）

关键词：LSTM;离散小波;水文预测;时频分析;黄河流域

当前水文预测模型研究缺乏对不同流域神经网络建模参数差异性选择的分析，模型的适应性较低，不利于模型推广运用。为此，选取黄河流域3个子流域为研究对象，基于离散小波算法和长短期记忆人工神经网络（LSTM）模型对不同特征子流域的水文站进行参数差异性建模研究，以提高水文预测模型的适应性。结果表明：历史流量周期性好、受人类活动影响小的水文站，可以基于水文站历史流量建立预测模型；对于受上游流量影响较大的干流水文站，预测模型仅依据水文站历史流量的预测性较低，若结合上游水文站流量，模型预测精度会有所提高，且考虑的上游水文站距预测水文站越远，模型可预测更长时间的流量；对于河道流量小、受地下水和降雨影响较大的流域，预测模型仅依据水文站历史流量的预测性较低，结合降水量可提高预测精度。

来源：2024年第6期

《人民黄河》期刊编辑部

查看人民黄河杂志2024年第6期