文章題目:基于圖神經(jīng)網(wǎng)絡(luò)模型的降雨-徑流量預(yù)報(bào)研究
作者姓名:王明陽(yáng)1,王恩志1*,劉曉麗1,羅火錢2,師琨2,高帥1,王聰聰1
作者單位:1.清華大學(xué)水沙科學(xué)與水利水電工程國(guó)家重點(diǎn)實(shí)驗(yàn)室 北京 100084;2.福建水利電力職業(yè)技術(shù)學(xué)院 福建 永安 366000
摘要:
沙溪流域徑流量預(yù)測(cè)受水文站測(cè)點(diǎn)空間位置和歷史降雨數(shù)據(jù)影響?;趫D論重新定義了沙溪流域2000-2014年內(nèi)有明顯降雨徑流關(guān)系的小時(shí)級(jí)別降雨-徑流模型的數(shù)據(jù)結(jié)構(gòu),利用圖神經(jīng)網(wǎng)絡(luò)搭建“端到端”降雨-徑流數(shù)據(jù)動(dòng)態(tài)映射模型,搭建了圖卷積神經(jīng)網(wǎng)絡(luò)(GCN),圖注意力機(jī)制模型(GAT)和ChebNet三種模型對(duì)未來(lái)不同時(shí)刻徑流數(shù)據(jù)進(jìn)行預(yù)測(cè),以平均絕對(duì)誤差(MAE)作為評(píng)價(jià)指標(biāo),對(duì)未來(lái)兩個(gè)小時(shí)的預(yù)測(cè)結(jié)果與長(zhǎng)短期記憶模型(LSTM),門控循環(huán)單元(GRU)和人工神經(jīng)網(wǎng)絡(luò)(ANN)的預(yù)測(cè)結(jié)果進(jìn)行比較,結(jié)果表明ChebNet和GAT模型對(duì)沙溪流域降雨-徑流超前1h和2h的非線性數(shù)據(jù)擬合能力更好,相比LSTM和GRU預(yù)測(cè)能力提高了37.3%~64.71%;ChebNet模型對(duì)未來(lái)15h內(nèi)的徑流預(yù)測(cè)效果較為穩(wěn)定,提高精度和適用性的同時(shí)大幅降低了時(shí)效性的影響,提供可靠性較高的徑流可能值,對(duì)小流域汛情預(yù)警具有一定指導(dǎo)意義。
北京沃特咨詢有限公司 版權(quán)所有 京ICP備12020777號(hào) 客服熱線:010-85763025
地址:北京市西城區(qū)白廣路北口水利綜合樓
E-mail:szy@sinowbs.org Copyright ?2012-2024 All rights Reserved
微信掃一掃
水務(wù)論壇公眾微信
關(guān)注有驚喜