来源：期刊VIP网 时间：
作者：胡昊;陈军朋;李擎;马鑫;徐鹏;刘明潇;
单位：黄河水利职业技术学院;华北水利水电大学;河南省跨流域区域引调水运行与生态安全工程研究中心;中国水利水电科学研究院流域水循环模拟与调控国家重点实验室;
摘要：多发频发的极端暴雨事件导致很多城市普遍面临严重内涝问题。能否准确高效地预测城市积水点的水位变化，是城市内涝防治的重要组成部分。为有效提升城市暴雨积水预测的精度和效率，建立了一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制(ATT)的城市暴雨积水预测模型。首先利用CNN与GRU提取水位数据的局部空间特征和深层时间特征，然后引入ATT加强对降雨序列中关键信息的记忆，从而完成城市积水点的水位预测。利用开封市某积水点的实测水位对模型进行了验证，并与以往的CNN-GRU、ATT-CNN-LSTM以及CNN-LSTM模型进行了对比分析。结果表明，CNN-GRU-ATT模型的损失函数在epoch=20处即达到收敛，损失函数值最终稳定在0.000 2左右，收敛效果较好。此外，与其他3种模型相比，CNN-GRU-ATT模型的预测精度评价指标表现均为最优，且模型仍能保持较高的运算效率。其中均方根误差为1.39%,平均绝对百分比误差为4.32%,决定系数为0.995 4。这表明CNN-GRU-ATT模型能够准确、高效地预测出积水点的水位变化情况，可为暴雨内涝预警和制定防汛排涝方案提供有效的科学依据。
关键词：城市暴雨;积水预测;卷积神经网络;门控循环单元;注意力机制
基金资助：河南省重大科技专项(231100320100); 开封市重点研发专项(22ZDYF007)
