TVGM-LSTM耦合模型及其径流模拟效果分析

为提升变化环境下流域径流模拟与预测精度，以白河流域为例，构建了基于时变增益水文模型(TVGM)和长短期记忆网络(LSTM)的TVGM-LSTM耦合模型，并利用随机森林算法识别模型最优解释变量。将耦合模型应用于2011—2018年白河流域径流模拟，结果表明：TVGM-LSTM耦合模型在白河流域具有较好的径流模拟效果，率定期与检验期纳什效率系数分别为0.95与0.90;与TVGM相比，耦合模型提升了对非汛期径流的模拟精度，且能够较好地模拟汛期与非汛期洪峰；耦合模型能够有效避免过拟合问题，泛化性能较优，预测精度稳定性较强。