Page 82 - 水利学报2025年第56卷第3期

水 利 学 报

２０２５年 ３月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５６卷 第 ３期

文章编号：０５５９ － ９３５０（２０２５）０３ － ０３６４ － １１

基于深度学习与 ＨＥＣ － ＨＭＳ模型的小流域暴雨洪水耦合预报

２
３
２
４
刘 万 １，２ ，谢 帅 ，钟德钰 ，王永强 ，包淑萍 ，朱旭东 ４
（１．华中科技大学 土木与水利工程学院，湖北 武汉 ４３００７４；２．长江科学院 水资源综合利用研究所，湖北 武汉 ４３００１０；
３．清华大学 水沙科学与水利水电工程国家重点实验室，北京 １０００８４；４．宁夏水文水资源监测预警中心，宁夏 银川 ７５０００１）
摘要：小流域暴雨洪水产汇流过程快，常规洪水监测预报的预见期较短，难以为防汛救灾提供有效支撑。本研究
中构建了基于深度学习降雨预报的暴雨洪水耦合预报框架，通过以短临降雨预报驱动水文模型的方式延长洪水预
报预见期，对小流域防洪具有重要意义。在短临降雨预报中，本文提出一种基于多预报因子输入的深度学习短临
降雨预报模型（ＲＮＭＣＷ），选取能有效反映水汽含量和水汽输送的组合反射率和雷达反演风场作为输入，以深度
学习方法提取时空特征，从而预报流域内降雨。结果表明，该方法在各站降雨预报的相关系数均高于 ０．７５，相比
传统光流法提高了 ５％左右。之后用 ＲＮＭＣＷ 预测的降雨对 ＨＥＣ － ＨＭＳ模型进行参数率定，并以降雨预报结果作
为水文模型的输入构建暴雨洪水耦合预报模型。相比 ＨＥＣ － ＨＭＳ模型，耦合模型对 ２０１６年洪水的洪峰预测误差
降低了 ２．１７％，对 ２０１８０７２２洪水预测的纳什系数提升了 ０．００２。模型能够有效预报出洪水过程，并最多延长有效
预见期 ２ｈ，从而提升洪水预报效果，为实际应用提供更好的支撑。
关键词：短临降雨预报；深度学习；雷达反演风场；暴雨洪水耦合预报
中图分类号：Ｐ３３８；Ｐ４５７．６ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２４０２１２
文献标识码：Ａ

１ 研究背景

近年来，暴雨洪水灾害趋多趋重，多地遭受极端强降雨天气，严重影响经济发展与人民生命财产
安全 ［１］ 。暴雨洪水预报可以为洪涝防御措施的执行赢得宝贵时间，对防洪、水资源合理利用等有重要
意义 ［２］ 。传统洪水预报以实时观测的降雨数据作为输入，其预见期的长短很大程度上取决于流域汇流
时间 ［３］ 。当流域面积比较小、汇流时间较短时，留给决策部门采取主动应对措施的时间也十分有限，
无法给洪水防治提供指导意见 ［４］ 。近年来许多学者开始研究将大气模式耦合到水文模型当中，根据模
式预报的降雨数据驱动水文模型来进行洪水预报，可以在很大程度上延长洪水预报的预见期 ［５ － ６］ 。
目前短临降雨预报的方法可分为数值预报方法、雷达回波外推法和人工智能方法。数值模式的预
报能力一般随着尺度的减小而下降 ［７］ ，对短临降雨的预报效果较差。光流法为雷达回波外推中最常用
的方法，它利用图像序列中像素在时域上的变化以及相邻帧之间的相关性来找到相邻帧存在的对应关
系，从而计算出相邻帧之间物体的运动信息 ［８］ 。其预报准确率会随着预报时间的增长而降低，有效外
［９］
推期长短取决于不同的天气现象和天气系统，一般小于 ２ｈ 。以深度学习为代表的人工智能技术作
为一种数据驱动的非线性数学模型，具有优异的特征学习能力 ［１０］ ，为降雨预报的研究提供了新的思路
和方法 ［１１ － １２］ 。深度学习方法可以在没有完全了解复杂时空动态系统内在机制的情况下，挖掘数据的内
在特征及其蕴含的物理规律 ［１３ － １４］ ，对复杂大气扰动的非线性特征有一定的刻画能力 ［１５］ ，实现对降雨

收稿日期：２０２４ － ０４ － １７；网络首发日期：２０２５ － ０２ － １４
网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１１．１８８２．ＴＶ．２０２５０２１４．１０３８．００１
基金项目：国家自然科学基金项目（Ｕ２０４０２１１，Ｕ２０４０２１２，５２３７９０１１）；湖北省自然科学基金（２０２４ＡＦＡ０１１，２０２３ＡＦＢ０３９）；中央
级基本科研业务费（ ＣＫＳ２０２４１０２１?ＳＺ）；宁夏重点研发项目（２０２０ＢＣＦ０１００２）
作者简介：刘万（ １９９８ － ），博士生，主要从事气象水文预报研究。Ｅ － ｍａｉｌ：ｌｉｕｗａｎ＠ｈｕｓｔ．ｅｄｕ．ｃｎ
通信作者：钟德钰（１９７０ － ），博士，教授，主要从事水沙科学与江河治理研究。Ｅ － ｍａｉｌ：ｚｈｏｎｇｄｙ＠ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ

— ３ ６ —
４