来源：期刊VIP网 时间：
作者：陈国灿;卢建强;邱超;赵兰兰;孙逸群;宋波;徐丹丹;石朋;
单位：绍兴市上虞区水文站;绍兴市上虞区上浦闸运行管理中心;浙江省水文管理中心;水利部信息中心;河海大学水文水资源学院;
摘要：鉴于准确的洪水预报结果对于降低洪涝灾害影响具有重要作用，以钱塘江下游曹娥江流域为例，构建了基于长短时记忆网络(LSTM)和梯度提升决策树(GBDT)的水位预测方法，利用23场实测降雨径流洪水数据进行方法训练及验证，并在此基础上分析了训练洪水场次对方法效果的影响。结果表明，构建的2种水位预测方法均具有较高的预测精度，当分别使用80%、20%数据进行训练和测试时(18场洪水训练，5场洪水测试),LSTM模型和GBDT模型在测试期和训练期的Nash-Sutcliffe系数(N_(NSE))均超过0.9,LSTM模型总体表现更好；用于训练模型的洪水场次显著影响实际水位预测效果，2种方法的预测效果均随着训练数据量的增加而增加，其中GBDT模型的测试期表现更好，可见GBDT更适用于数据有限的实际河道水位预测作业。
关键词：机器学习;;水位预测;;长短期记忆神经网络;;梯度提升决策树;;曹娥江流域
基金资助：国家自然科学基金项目(52209015,52179011);; 浙江省水利科技计划项目(RA2202)
