针对传统的LSTM模型存在网络训练受阻、泛化能力减弱、预测精度和效率较低的问题,从模型结构和参数优选两方面进行改进.结构方面,在LSTM模型前加入具有多层结构的神经网络层;参数优选方面,采用多层网格搜索法选取模型参数.以长江中游典型通江湖泊——洞庭湖不同湖区的水位预测为例,与传统的LSTM模型、BP神经网络及水动力模型相比,改进型LSTM模型平均均方根误差分别减少58.80％、65.95％、44.14％;从预测计算时间来看,改进型LSTM模型所消耗的时间比传统的LSTM模型缩短62.12％,且明显少于水动力模型,总体来看改进型LSTM模型的整体性能优于其他三种模型.将改进型LSTM模型应用到三峡水库蓄水对洞庭湖水位的影响分析上,结果表明:三峡水库运行对洞庭湖不同湖区水位的影响具有明显的空间异质性,城陵矶站受其影响最为显著,其次为东洞庭湖鹿角站和西洞庭湖南咀站,南洞庭湖受影响最小.蓄水期间东洞庭湖城陵矶站水位平均下降0.44 m,最大降幅为1.55 m;鹿角站水位平均下降0.22 m,最大降幅为1.02 m;西洞庭湖南咀站水位平均下降0.27 m,最大降幅为1.28 m;南洞庭湖杨柳潭站水位平均下降0.15 m,最大降幅为1 m.研究成果为快速准确预测三峡水库影响下的洞庭湖水位提供了新的手段,同时也可为三峡水库的蓄水策略优化提供重要参考依据.

洞庭湖;三峡水库;蓄水期;长短期记忆网络;水位预测;BP神经网络;空间异质性;径流

张睿芝;戴凌全;戴会超;刘亚新;蔡卓森;刘芬

三峡大学水利与环境学院,湖北宜昌 443002;中国长江电力股份有限公司智慧长江与水电科学湖北省重点实验室,湖北宜昌 443133;中国长江三峡集团有限公司科学技术研究院,北京 100038

水利水电技术（中英文）

[1]张睿芝;戴凌全;戴会超;刘亚新;蔡卓森;刘芬-.基于改进LSTM模型的三峡水库蓄水对洞庭湖水位影响的空间异质性分析)[J].水利水电技术（中英文）,2022(02):98-108

三峡水库,水库蓄水,湖水,水位影响,空间异质性,异质性分析,网络训练,泛化能力,模型结构,参数优选,多层结构,网络层,网格搜索法,取模,长江中游,通江湖泊,不同湖区,水位预测,水动力模型,改进型,模型平均,预测计算,计算时间,整体性能,模型应用,水库运行,城陵矶,东洞庭湖,鹿角,西洞庭湖,南洞庭湖,蓄水期,杨柳,快速准确,准确预测,水库影响,策略优化,长短期记忆网络,径流

0.259377