来源：期刊VIP网 时间：
作者：苑峻华;李雪;韩会明;刘杨;
单位：江西省水利科学院;长江涪陵航道处;华中科技大学土木与水利工程学院;
摘要：河流水位预测对于河流防洪、灌溉、航运等功能的发挥具有重要意义，目前水位预测主要针对有实测数据的监测站点处，对于无监测站点缺资料河段的有效水位预测方法还有待进一步研究。为此，提出了一种融合水动力模型和深度学习的缺资料河段水位预测方法，通过水动力模型获得无站点处的水位变化过程，并采用水动力模型的模拟水位数据结合上游水文水位站数据，构造了不同模型输入下的深度学习模型训练数据集，比较了不同模型输入对深度学习模型在未来1～3 d的水位预测效果影响。对长江中游宜昌至沙市段的模型试验结果表明，水动力模型模拟的河段无站点处的水位变化过程精度较高，基于水动力模型模拟水位数据进行深度学习模型的训练后，其水位预测精度与基于实测数据训练的水位预测精度相似，待预测站点——枝城站未来1 d水位预测结果的纳什系数N_(NSE)和均方根误差R_(RMSE)分别为0.977 9和0.356 0 m,整体处于较优精度；在训练集中加入上游水文水位站数据后，模型预测精度得到了进一步提升，枝城站未来1 d水位预测结果的N_(NSE)和R_(RMSE)分别达0.980 4和0.327 3 m。研究方法能够为无站点河段的水资源管理与利用提供一定的参考。
关键词：水动力模型;;深度学习;;缺资料河段;;水位预测
基金资助：江西省自然科学基金项目(20232BAB213076);; 江西水利科技项目(202324YBKT02)
