来源：期刊VIP网 时间：
作者：边巴拉姆;白天可;殷锐;刘金涛;韩小乐;何军;次旦多杰;
单位：西藏自治区水文水资源勘测局山南水文水资源分局;河海大学水灾害防御全国重点实验室;河海大学水文水资源学院;陕西省江河水库工作中心;西藏自治区水文水资源勘测局林芝水文分局;
摘要：青藏高原水文监测难度大、站点稀疏，导致产汇流等水文基础研究薄弱，尚缺乏广泛认可的通用水文预报模型。传统水文预报模型方法往往具有高度的结构复杂性，需依赖大量实测资料率定模型参数。为此，以西藏山南市的雅砻河雅桑站以上集水区为例，基于实测及遥感再分析水文气象数据资料，搭建了基于长短期记忆(LSTM)的神经网络模型和耦合卷积结构的长短时记忆神经网络(CNN-LSTM)模型分别用于流量模拟，对比分析评估两种模型在高寒山区流量模拟中的性能。结果表明，在雅桑流域的径流模拟中，使用CMFD数据作为LSTM和CNN-LSTM模型输入的径流预测结果优于使用雅桑站单点实测数据的预测结果。两种模型在预测洪峰流量时均存在低估现象，尤其在使用实测数据时更为明显，中低流量预测中，LSTM模型表现更佳。加入噪声后，两种模型的N_(NSE)、R~2均显示出逐渐降低的趋势，但相比LSTM模型，CNN-LSTM模型在面对噪声时显示更好的稳健性。研究结果对于青藏高原无(缺)资料高山流域的流量预报具有一定的借鉴意义。
关键词：长短时记忆神经网络;;卷积神经网络;;青藏高原;;流量模拟
基金资助：国家自然科学基金项目(92047301);; 第二次青藏高原综合科学考察研究资助(2019QZ-KK0207)
