长短时记忆网络与新安江模型耦合的降雨径流模拟性能

深度学习技术在降雨径流模拟方面具有广阔应用前景，但受训练样本限制，需与传统水文模型相耦合，由传统水文模型提供训练数据。耦合数据的选择和超参数方案对耦合模型的模拟性能影响显著，但尚未有专门的研究。本文以东湾流域为例，用双向长短时记忆网络耦合新安江模型不同模块数据，并用灰狼优化算法优化超参数，构建降雨径流模型。结果表明：模型耦合不同数据时，对日径流和场次洪水的模拟性能均有提高，尤以耦合产流量和模拟流量数据时最为明显。不同耦合数据需调整超参数方案，灰狼优化算法可满足需求。本研究为提高耦合模型径流模拟能力提供了新思路和新方法。