Page 29 - 2025年第56卷第6期

水 利 学 报

2025 年 6 月 SHUILI XUEBAO 第 56 卷 第 6 期

文章编号：0559-9350（2025）06-0717-09

基于深度学习的长江-洞庭湖流域洪水模拟预报研究

李承龙 ，郭生练 ，梁志明 ，崔 震 ，向 鑫 ，张 俊 3
1
1
3
2
1
（1. 武汉大学 水资源工程与调度全国重点实验室，湖北 武汉 430072；2. 中国长江电力股份公司，湖北 武汉 430010；
3. 长江水利委员会水文局，湖北 武汉 430010）
摘要：精准快速地预报长江-洞庭湖流域洪水，对三峡水库防洪调度至关重要。本文构建了卷积神经网络（CNN）、
长短期记忆神经网络（LSTM）和门控循环单元（GRU）三个深度学习模型，采用 2010—2023 年汛期（5—9 月）8 个水
文站和 301 个雨量站观测资料进行参数率定和模型验证。研究结果表明：这三个模型的洪水模拟预报精度都很高，
其中 GRU 模型性能最优，训练期和验证期 24 h 预报结果的纳什效率系数（NSE）分别达到 0.993 和 0.988，总径流相
对误差分别为 0.25% 和-0.26%；对于验证期洪峰超过 20 000 m /s 的 6 场洪水，三个模型的预报结果差异较大，
3
GRU 模型明显优于 LSTM 和 CNN，其 NSE 大于 0.85，洪峰绝对误差控制在 2% 以内。GRU 和 LSTM 深度学习模型具
有较高的模拟精度和较强的泛化能力，可为复杂的长江-洞庭湖流域洪水预报提供一种新的途径。
关键词：洪水预报；深度学习；卷积神经网络；长短期记忆神经网络；门控单元神经网络；长江-洞庭湖流域
中图分类号：P331.2 文献标识码：A doi：10.13243/j.cnki.slxb.20240630

1 引言

长江-洞庭湖流域（由长江宜昌至螺山河段与洞庭湖构成）是长江中下游遭受洪涝灾害最严重的区
［1］
域之一，在长江流域防洪体系中占据关键地位 。该流域的洪水模拟预报，对三峡水库防洪调度、洪
［2］
水资源化利用和生态保护至关重要 。洞庭湖与长江相连，水量交换和水动力过程复杂多变，并随着
［3］
季节变化出现顶托回流现象 。湖区流域降雨产汇流时间短，将很快对湖泊水位和流量产生影响，导
［4］
致传统的水位-流量关系曲线难以准确反映实际情况而出现误差 。此外，洞庭湖易受长江水位顶托
［5］
和刮风天气的影响出现波浪和岸流，进一步加剧了江湖系统水动力特征的复杂性 。如何快速、准确
地模拟预报长江-洞庭湖流域洪水，已成为水文研究的重点难题。
目前，长江-洞庭湖流域洪水模拟预报主要依赖传统水文学和水动力方法。长江水利委员会水文
［6］
［8］
［9］
局开发的洪水预报系统集成了新安江模型 、大湖模型 、API 模型 、MIKE 模型 等。马新忠等 ［10］
［7］
将洞庭湖区间划分为 4 个山丘区域、25 个产流区和 68 个堤垸产流单元，分别采用分布式水文模型
GBHM 和基于栅格的新安江模型进行日流量模拟，率定期和验证期相对误差在 3.2% ~ 9.2% 之间，NSE
［7］
在 0.58 ~ 0.71 区间。邹冰玉等 通过校正大湖模型演算曲线，开展长江-洞庭湖流域洪水模拟预报，
1 ~ 3 d 预见期的平均合格率为 76.6%、68.5%、61.2%。徐长江等 建立了长江与洞庭湖一、二维耦合
［1］
水动力模型，模拟计算了三峡水库蓄水期对长江干流及洞庭湖区水文过程的影响。徐卫红等 以长江
［2］
枝城-螺山段与洞庭湖为研究区域，建立了一、二维耦合水动力学模型，模拟 1954 和 1998 年汛期洪水
日过程。上述模型构建需要大量的地形、水系、土壤和植被等基础数据，参数率定过程复杂；尤其是

收稿日期：2024-09-30；网络首发日期：2025-05-16
网络首发地址：https：/link.cnki.net/urlid/11.1882.TV.20250515.1451.002
/
基金项目：国家自然科学基金长江联合基金项目（U2340205）；中国长江电力股份公司科研项目（Z242402005）
作者简介：李承龙（1998-），博士生，主要从事水文水资源研究。E-mail：chenglongli@whu.edu.cn
通信作者：郭生练（1957-），教授，挪威工程院外籍院士，主要从事水文水资源研究。E-mail：slguo@whu.edu.cn
— 717 —