科研之友
微信
新浪微博
Facebook
分享链接
摘要
为改进WRF/WRF-Hydro陆气耦合系统的径流预报效果，减小耦合系统在峰现时间、洪峰流量预报上的误差，本文在使用变分数据同化技术充分降低预报降雨误差水平的基础上，采用长短期记忆人工神经网络LSTM对WRF/WRF-Hydro耦合系统的径流预报过程开展了实时校正研究，并与自回归滑动平均模型ARMA实时校正结果进行对比。研究结果表明，通过数据同化技术可有效提升WRF模式降雨预报精度，降低WRF-Hydro模式的输入误差，但径流预报准确性仍有待提升。对比LSTM和ARMA两种实时校正模型对耦合径流预报结果的实时校正：在前3 h预见期，两种模型在中国北方半湿润、半干旱地区山区小流域6场典型洪水预报中的表现基本接近，除场次4外，LSTM和ARMA两种模型在3 h预见期的衰减速率分别为2.04～23.08和9.18～36.47,随着预见期的延长，LSTM径流预报精度的衰减速度在整体上慢于ARMA模型，预报效果优于ARMA模型。
- 出版日期2023
- 单位流域水循环模拟与调控国家重点实验室; 中国环境科学研究院; 中国水利水电科学研究院
