基于卷积神经网络的嫩江干流河道洪水演进模拟

摘要

针对二维洪水演进数值模拟易发散、时效性差的问题，以嫩江干流宽浅型河段为例，采用一维卷积神经网络（one-dimensional convolutional neural network,1D-CNN）构建干湿网格分离模型，识别提取历史洪水下网格单元淹没状态时空分布特征及最大淹没范围，研究建立1D-CNN淹没水深模拟模型，探讨1D-CNN模型洪水演进模拟应用效果。结果显示：1D-CNN干湿网格分离模型淹没范围模拟结果较好，嫩江干流网格单元不同时刻的干湿状态预测精确率均值为0.942，召回率最小值为1,F1分数平均值为0.970，模型能够准确捕捉淹没网格时空分布；1DCNN模型淹没水深模拟序列与TELEMAC-2D模型输出结果基本吻合，测试年份不同网格单元纳什效率系数均值为0.989，均方根误差平均值为0.099 m，能够实现传统水动力模型代理模拟分析；1D-CNN模型较TELEMAC-2D水动力模型计算效率能提升约300倍，模型计算稳定性及消耗优势显著。研究结果可为嫩江干流洪水风险管理及防洪减灾提供科学依据。

关键词

1D-CNN / 干湿网格分离 / 洪水演进模拟 / 嫩江干流 / TELEMAC-2D