Page 32 - 2025年第56卷第6期
P. 32
图 1 长江-洞庭湖流域水系示意
图 2 长江-洞庭湖系统及子流域概化图
（3）模型参数设定。三个模型均采用顺序结构（Sequential Model），输入层接收 8 个水文站的流量数
据和 2 个子流域的净雨量数据，输入特征维度为 10。隐藏层包含 128 个神经元用于捕捉时间序列中的
长期依赖关系；输出层为全连接层包含 64 个神经元，引入 Dropout 正则化（Dropout rate 取 0.2）防止过拟
合，递归输出螺山站 12 ~ 48 h 预报流量。模型训练采用 Adam 优化器（Learning rate 取 0.001），损失函
数为均方根误差（RMSE），数据集以 6∶1 的比例划分为训练集和验证集。采用早停法防止过拟合，当
验证集损失函数值在连续 10 个 epoch 内未下降时停止训练。
4 研究结果
4.1 连续流量预报结果分析 将输入系列资料分为训练期（2010—2019 年）和验证期（2020—2023 年），
— 720 —
