Page 60 - 2023年第54卷第9期

水 利 学 报

２０２３年 ９月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５４卷 第 ９期

文章编号：０５５９ － ９３５０（２０２３）０９ － １０７０ － １０

基于 ＡＥ － ＲＣＮＮ的洪水分级智能预报方法研究

３
苑希民 １，２ ，李 达 １，２ ，田福昌 １，２ ，何立新 ，王秀杰 １，２ ，郭立兵 ４
（１．天津大学 水利工程仿真与安全国家重点实验室，天津 ３００３５０；２．天津大学 建筑工程学院，天津 ３００３５０；
３．河北工程大学 水利水电学院，河北 邯郸 ０７５０００；４．宁夏回族自治区水旱灾害防御中心，宁夏 银川 ７５０００２）

摘要：复杂产汇流特性地区使用洪水分级预报方法可提高预报精度，本文提出一种基于自编码器 （Ａｕｔｏｅｎｃｏｄｅｒ，
ＡＥ）和残差卷积神经网络（ＲｅｓｉｄｕａｌＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＣＮＮ）的洪水分级智能预报方法，使用自编码器
和 Ｋ均值聚类算法实现对原始水文数据的特征提取和洪水分级，通过 ＲＣＮＮ模型提升卷积神经网络的有效训练深
度，以山东省小清河流域 黄 台 桥 水 文 站 为 例 开 展 洪 水 分 级 智 能 预 报 研 究。结 果 表 明 应 用 降 维 数 据 聚 类 的 ＡＥ －
ＲＣＮＮ模型 ＭＡＥ指标、ＲＭＳＥ指标、ＮＳＥ指标分别为５．０４、７．９１、０．９２，优于 ＣＮＮ模型、ＲＣＮＮ模型和降雨聚类
ＲＣＮＮ模型。该方法能够有效提取水文数据特征、提高洪水预报精度。
关键词：洪水分级智能预报；ＡＥ － ＲＣＮＮ；数据驱动模型；自编码器；残差卷积神经网络
中图分类号：Ｐ３３８
文献标识码：Ａ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０１４８

１ 研究背景

在气候变化背景下，过去几十年来全球极端降水强度和频率显著上升，引发的洪涝灾害造成每年
３００亿美元以上的经济损失，给人类社会带来了严重危害 ［１ － ２］ 。洪水预报作为应对洪涝灾害的重要非
工程措施之一，对水库调度、防洪预警、城市规划等具有重要指导作用。当前应用广泛的洪水预报模
型主要包括概念性水文模型和数据驱动模型。概念性水文模型使用物理和经验参数来概括径流的形成
过程，常用的 概 念 性 水 文 模 型 包 括 集 总 式 的 Ｔａｎｋ模 型、新 安 江 模 型 和 分 布 式 的 ＴＯＰＫＡＰＩ模 型、
ＳＷＡＴ模型等 ［３ － ６］ 。概念性水文模型应用广泛，在很多流域取得了较好的模拟效果，但其内部不同意
义的水文参数相互作用复杂，导致其有很强的不确定性，往往需要大量流域自然地理数据，或借助敏
感性分析和优化算法辅助确定参数 ［７ － ８］ 。
数据驱动的洪水预报模型通过挖掘历史数据中驱动因子与目标值之间的关系来预测径流 ［９］ ，其内
部的大量参数通过误差反向传播的方式自动更新，极大减小了率定难度，近年来取得了长足发展。熊
怡等 ［１０］ 提出一种基于自适应变分模态分解和长短期记忆网络的分解 － 预测 － 集成月径流预测混合模型，
提升了金沙江上游石鼓水文站月径流预报精度。刘媛媛等 ［１１］ 将数值模型与 ＢＰ神经网络相结合，提出
了一种快速预测城市内涝风险的新方法。Ｙｕａｎ等 ［１２］ 将 ＡＮＮ模型与 Ｍｕｓｋｉｎｇｕｍ － Ｃｕｎｇｅ方法相结合，提
出一种应用于数据稀缺干旱山区的洪水预报智能模型。Ｃｈｅｎ等 ［１３］ 应用 ＣＮＮ神经网络，结合 ＤＥＭ 地
理特征和历史径流过程对洪水过程进行预测，在洪峰和到达时间方面表现出了更好的准确性。数据驱
动模型的效果主要受训练数据和模型结构影响，当输入数据与目标数据相关性不显著时可能会出现模

收稿日期：２０２３ － ０３ － １４；网络首发日期：２０２３ － ０９ － １９
网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２３０９１５．１３５５．００１．ｈｔｍｌ
基金项目：国家重点研发计划项目（２０２２ＹＦＣ３２０２５０１）；水利部重大科技项目（ＳＫＳ － ２０２２００２）；科技部重点领域创新团队（２０１４ＲＡ４０３１）；国
家自然基金委创新团队（ ５１６２１０９２）
作者简介：苑希民（ １９６８ － ），教授，主要从事防洪减灾与智慧水利研究。Ｅ － ｍａｉｌ：ｙｘｍ＠ｔｊｕ．ｅｄｕ．ｃｎ
通信作者：田福昌（１９８９ － ），副研究员，主要从事防洪减灾与智慧水利研究。Ｅ － ｍａｉｌ：ｔｉａｎｆｕｃｈａｎｇ＠ｔｊｕ．ｅｄｕ．ｃｎ

— １ ０ ０ —
７