Page 82 - 2023年第54卷第11期

图 ８ ＬＳＴＭ和 ＡＲＭＡ对 ６场典型雨洪过程实时校正后的 ＮＳＥ指标对比图
本研究采用 ＬＳＴＭ构建了预报径流的误差校正模型，实现了对 ＷＲＦ?ＷＲＦ － Ｈｙｄｒｏ耦合系统预报径
流的实时校正。研究还存在一些不足，如 ＬＳＴＭ 模型在预见期超出 ６ｈ时的预报精度仍有待提高等。
在进一步的研究中，将采用 ＬＳＴＭ与小波变换或 ＢＰ神经网络等方法结合，利用径流序列的频率域误
差特征，结合多种校正方法，开展多模型联合优化方法，以更好地提高陆气耦合预报系统的准确性。

参 考 文 献：

［ １］ ＱＵＥＮＵＭ ＧＭ ＬＤ，ＡＲＮＡＵＬＴＪ，ＫＬＵＴＳＥＮＡＢ，ｅｔａｌ．ＰｏｔｅｎｔｉａｌｏｆｔｈｅｃｏｕｐｌｅｄＷＲＦ?ＷＲＦ － ｈｙｄｒｏｍｏｄｅｌｉｎｇ
ｓｙｓｔｅｍ ｆｏｒｆｌｏｏｄｆｏｒｅｃａｓｔｉｎｇｉｎｔｈｅＯｕéｍéＲｉｖｅｒ（ＷｅｓｔＡｆｒｉｃａ）［Ｊ］．Ｗａｔｅｒ，２０２２，１４（８）：１１９２．
［ ２］ ＲＹＵＹ，ＬＩＭ ＹＪ，ＪＩＨＳ，ｅｔａｌ．Ａｐｐｌｙｉｎｇａｃｏｕｐｌｅｄｈｙｄｒｏｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｉｍｕｌａｔｉｏｎｓｙｓｔｅｍｔｏｆｌａｓｈｆｌｏｏｄｆｏｒｅｃａｓ
ｔｉｎｇｏｖｅｒｔｈｅＫｏｒｅａｎＰｅｎｉｎｓｕｌａ［Ｊ］．Ａｓｉａ － ＰａｃｉｆｉｃＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２０１７，５３（４）：４２１ － ４３０．
［ ３］ ＳＩＬＶＥＲＭ，ＫＡＲＮＩＥＬＩＡ，ＧＩＮＡＴＨ，ｅｔａｌ．Ａｎｉｎｎｏｖａｔｉｖｅｍｅｔｈｏｄｆｏｒｄｅｔｅｒｍｉｎｉｎｇｈｙｄｒｏｌｏｇｉｃａｌｃａｌｉｂｒａｔｉｏｎｐａ
ｒａｍｅｔｅｒｓｆｏｒｔｈｅＷＲＦ － Ｈｙｄｒｏｍｏｄｅｌｉｎａｒｉｄｒｅｇｉｏｎｓ ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌｍｏｄｅｌｌｉｎｇ＆ ｓｏｆｔｗａｒｅ，２０１７，９１：４７ － ６９．
［ ４］ ＫＥＲＡＮＤＩＮ，ＡＲＮＡＵＬＴＪ，ＬＡＵＸＰ，ｅｔａｌ．Ｊｏｉｎｔａｔｍｏｓｐｈｅｒｉｃ － ｔｅｒｒｅｓｔｒｉａｌｗａｔｅｒｂａｌａｎｃｅｓｆｏｒＥａｓｔＡｆｒｉｃａ：ａＷＲＦ －
ＨｙｄｒｏｃａｓｅｓｔｕｄｙｆｏｒｔｈｅｕｐｐｅｒＴａｎａＲｉｖｅｒｂａｓｉｎ ［Ｊ］．ＴｈｅｏｒｅｔｉｃａｌａｎｄＡｐｐｌｉｅｄＣｌｉｍａｔｏｌｏｇｙ，２０１７，１３１（３?４）：
１３３７ － １３５５．
［ ５］ 孙明坤，李致家，刘志雨，等．ＷＲＦ － Ｈｙｄｒｏ模 型 与 新 安 江 模 型 在 陈 河 流 域 的 应 用 对 比 ［Ｊ］．湖 泊 科 学，
２０２０，３２（３）：８５０ － ８６４．
［ ６］ 顾天威，陈耀登，高玉芳，等．基于 ＷＲＦ － Ｈｙｄｒｏ模式的清江流域洪水模拟研究［Ｊ］．水文，２０２１，４１（３）：
６３ － ６８，１８．

— １ ３ ４ —
４