基于LSTM和KNN组合模型的黄河源区日径流量模拟研究

摘要

采用长短期记忆网络（LSTM）和K近邻算法（KNN）组合模型对水文流量进行预报，对黄河源区的吉迈、军功、唐乃亥的日径流量进行预报分析。首先用温度、降水等气象要素构建流域动态属性，用历史气象水文和地理信息资料构建流域静态属性特征，用LSTM模型开展特征优选，确定最优模型TOPO＿CLIM＿SOIL＿LSTM后用于实际的日径流量预测，然后用KNN算法对预测结果进行实时校正。结果表明：TOPO＿CLIM＿SOIL＿LSTM模型能更好地学习到降雨与径流之间的关系，可有效解决低流量段预测径流量跳变的问题。用KNN模型对预测流量修订后，吉迈、军功、唐乃亥站未来1 d的日径流量预报准确率均达到了93%以上，纳什系数分别提高18.07%、6.45%和12.5%，有效提高了日径流量预报精度。

关键词

黄河上游 / 日径流量预测 / LSTM模型 / 特征量 / KNN模型