典型文献
耦合陆面水文模型和机器学习方法的水库径流量预报及应用
文献摘要：
采用智能网格预报等多种气象预报数据与陆面水文模型及机器学习方法进行耦合,以岩滩水库流域区间为例,将区间预报径流量与历史径流量数据输入长短期记忆网络模型(LSTM)进行水库入库径流量预报,通过对日径流量模拟试验和业务试用分析,探明该方法在短期水文预报中的适用性.结果表明,耦合气象-水文-机器学习的径流量预报模型在率定期和验证期纳什效率系数(NSE)在0.65左右,在强降水过程训练试验中,日径流量和洪峰预报合格率≥87.5％,达到甲级预报精度标准;在业务试用中,24h、48h、72h日径流量预报合格率分别为87.3％、70.4％、75.5％,达到甲级或乙级预报精度标准,满足发布正式预报的精度要求;3次较大降水过程径流量和峰现时间预报合格率均为100％,达到甲级预报精度标准;峰值预报为66.7％,达到丙级预报标准,可用于参考性预报.将物理模型与人工智能方法进行有机耦合,可提高水文预报产品精度和适用性.
文献关键词：
耦合;陆面水文模型;机器学习;径流量预报;物理模型;人工智能
中图分类号：
作者姓名：
陈剑飞;李勇;刘俊江;钟利华;史彩霞;袁星;钟华昌
作者机构：
广西壮族自治区气象灾害防御技术中心,南宁530022;南京信息工程大学水文与水资源工程学院,南京210044;中国科学院东亚区域气候-环境重点实验室,北京100029;广西桂冠电力股份有限公司,南宁530029
文献出处：
引用格式：
[1]陈剑飞;李勇;刘俊江;钟利华;史彩霞;袁星;钟华昌-.耦合陆面水文模型和机器学习方法的水库径流量预报及应用)[J].气象研究与应用,2022(01):1-7
A类：
陆面水文模型,径流量预报
B类：
机器学习方法,水库,智能网格预报,气象预报,报数,岩滩,区间预报,流量数据,长短期记忆网络模型,入库径流,日径流量,模拟试验,试用,水文预报,预报模型,率定,纳什,NSE,强降水,降水过程,洪峰,甲级,预报精度,精度标准,在业,24h,48h,72h,乙级,精度要求,大降水,峰现时间,丙级,参考性,物理模型,人工智能方法,预报产品
AB值：
0.293326
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
