Page 72 - 2023年第54卷第11期

水 利 学 报

２０２３年 １１月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５４卷 第 １１期

文章编号：０５５９ － ９３５０（２０２３）１１ － １３３４ － １３

基于 ＬＳＴＭ 实时校正的 ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ耦合径流预报

１
２
２
刘昱辰 １，２ ，刘 佳 ，刘录三 ，李传哲 ，王 瑜 １
（１．中国环境科学研究院，北京 １０００１２；２．中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 １０００３８）

摘要：为改进 ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ陆气耦合系统的径流预报效果，减小耦合系统在峰现时间、洪峰流量预报上的误
差，本文在使用变分数据同化技术充分降低预报降雨误差水平的基础上，采用长短期记忆人工神经网络 ＬＳＴＭ 对
ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ耦合系统的径流预报过程开展了实时校正研究，并与自回归滑动平均模型 ＡＲＭＡ实时校正结果
进行对比。研究结果表明，通过数据同化技术可有效提升 ＷＲＦ模式降雨预报精度，降低 ＷＲＦ － Ｈｙｄｒｏ模式的输入
误差，但径流预报准确性仍有待提升。对比 ＬＳＴＭ和 ＡＲＭＡ两种实时校正模型对耦合径流预报结果的实时校正：
在前 ３ｈ预见期，两种模型在中国北方半湿润、半干旱地区山区小流域 ６场典型洪水预报中的表现基本接近，除
场次 ４外，ＬＳＴＭ和 ＡＲＭＡ两种模型在 ３ｈ预见期的衰减速率分别为 ２．０４～２３．０８和 ９．１８～３６．４７，随着预见期的延
长，ＬＳＴＭ径流预报精度的衰减速度在整体上慢于 ＡＲＭＡ模型，预报效果优于 ＡＲＭＡ模型。
关键词：ＬＳＴＭ；实时校正；ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ耦合系统；径流预报；数据同化
文献标识码：Ａ
中图分类号：ＴＶ１１ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３００９９

１ 研究背景

在气候变化的大背景下，极端降雨过程会更加频繁和强烈地发生，气象预报与水文预报的结合，
有助于探索大气过程对陆面水文过程的影响，提高降雨和径流的模拟、预报能力，是水文预报发展的
必然趋势 ［１］ 。相 比 其 他 陆气耦 合系 统，中尺 度数值大气 模式 ＷＲＦ（ＷｅａｔｈｅｒＲｅｓｅａｒｃｈａｎｄＦｏｒｅｃａｓｔｉｎｇ
Ｍｏｄｅｌ ）与其陆面水文模式 ＷＲＦ － Ｈｙｄｒｏ的耦合可以实现大气与陆面水文过程的单向与双向交互，模拟
水热通量在大气－ 陆面界面的运动与转化过程，其应用前景十分广泛 ［２ － ４］ 。但受到模型结构体系、初始
状态和输入信息误差、参数辨识能力等限制，该耦合系统的不确定性较为显著且难以量化 ［５ － ６］ ，模拟
结果难以直接应用于实际预报，对洪水预警的指导意义有限。由于降雨和径流形成的物理机制较为复
杂，现有各类陆气耦合预报系统在模拟和预报精度方面往往都会存在一定的偏差。研究表明 ［７ － ８］ ，对
陆气耦合系统的径流预报结果进行实时校正，能够有效提高耦合系统的降雨－ 径流预报能力。
随着计算机技术的发展，人工智能与大数据技术发展迅速，其中，作为人工智能核心技术之一的人
工神经网络，广泛应用于水文预报的实时校正领域 ［９］ 。带有记忆单元的长短时记忆神经网络（ＬｏｎｇＳｈｏｒｔ
ＴｅｒｍＭｅｍｏｒｙｎｅｔｗｏｒｋ，ＬＳＴＭ） ［１０］ 的提出，使时间序列上的记忆信息变得可控，也使 ＬＳＴＭ在模拟和预报
具有时间序列属性的过程方面发展的愈发成熟。Ｃｈｏ等 ［１１］ 研究表明，将 ＬＳＴＭ结合 ＷＲＦ － Ｈｙｄｒｏ可以改进
径流预报结果，有效提高 ＷＲＦ － Ｈｙｄｒｏ在径流预报方面的潜力。Ｗａｎｇ等 ［１２］ 建立了基于 ＬＳＴＭ的网格地表
产流模型，结果证明 ＬＳＴＭ在我国北方山区小流域地表径流预报中可表现出良好的性能。在 ＬＳＴＭ应用
于水文预报领域的研究中，大多是采用 ＬＳＴＭ直接对径流等特征量进行预测 ［１３ － １５］ ，缺乏与具有物理机制

收稿日期：２０２３ － ０２ － ２２；网络首发日期：２０２３ － １１ － ２２
网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２３１１２１．１６２９．００１．ｈｔｍｌ
基金项目：国家自然科学基金项目（５１８２２９０６）；长江生态环境保护修复联合研究（第二期）（２０２２ － ＬＨＹＪ － ０２ － ０６０１）
作者简介：刘昱辰（ １９９３—），博士生，主要从事数值大气模拟、流域水文预报研究。Ｅ － ｍａｉｌ：ｍｅｌｏｄｉｅｙｕ＠１６３．ｃｏｍ
通信作者：刘佳（１９８３—），正高级工程师，主要从事气象水文耦合模拟预报、雷达遥感数据同化研究。Ｅ － ｍａｉｌ：ｊｉａ．ｌｉｕ＠ｉｗｈｒ．ｃｏｍ
— １ ３ ４ —
３