来源：期刊VIP网 时间：
作者：向鑫;郭生练;崔震;梁志明;李承龙;汪芸;
单位：武汉大学水资源工程与调度全国重点实验室;中国三峡集团长江电力股份有限公司;
摘要：将时空双注意力机制（spatio-temporal dual-attention mechanism, SDA）和递归编码-解码（recurrent encoderdecoder, RED）结构耦合至卷积长短期记忆（convolutional long short-term memory, ConvLSTM）网络，构建SDAConvLSTM-RED模型，探究降水时空分布对洪水预报性能的影响。选取向家坝至三峡坝址未控区间流域为研究对象，研究结果表明：SDA-ConvLSTM-RED模型在不同预见期内的平均纳什效率系数为0.95，具有较高的预报准确性；与基准模型相比，该模型在6场洪水事件中的预报效果更优，1 d和5 d预见期的平均纳什效率系数分别为0.96和0.93，特别是在预报洪峰流量和峰现时间表现突出。整体来看，该模型能够有效捕捉流域内降水分布的空间信息，从而提高洪水预报的精度。
关键词：洪水预报;;时空双注意力机制;;递归编码-解码结构;;卷积长短期记忆网络;;深度学习模型
基金资助：国家自然科学基金长江联合基金项目(编号：U2340205);; 长江电力股份有限公司科研项目资助
