耦合陆面水文模型和机器学习方法的水库径流量预报及应用

摘要

采用智能网格预报等多种气象预报数据与陆面水文模型及机器学习方法进行耦合,以岩滩水库流域区间为例,将区间预报径流量与历史径流量数据输入长短期记忆网络模型(LSTM)进行水库入库径流量预报,通过对日径流量模拟试验和业务试用分析,探明该方法在短期水文预报中的适用性。结果表明,耦合气象-水文-机器学习的径流量预报模型在率定期和验证期纳什效率系数(NSE)在0.65左右,在强降水过程训练试验中,日径流量和洪峰预报合格率≥87.5%,达到甲级预报精度标准;在业务试用中,24h、48h、72h日径流量预报合格率分别为87.3%、70.4%、75.5%,达到甲级或乙级预报精度标准,满足发布正式预报的精度要求;3次较大降水过程径流量和峰现时间预报合格率均为100%,达到甲级预报精度标准;峰值预报为66.7%,达到丙级预报标准,可用于参考性预报。将物理模型与人工智能方法进行有机耦合,可提高水文预报产品精度和适用性。