Page 33 - 2025年第56卷第6期

率定参数和验证模拟预报效果。表 1 列出了 LSTM、CNN 和 GRU 三个模型在训练期和验证期 12、24、
48 h 预见期的评价指标。在训练期，GRU 模型表现突出，在 12 h 预见期的 NSE 系数达到 0.993，RE 为
0.65%，MAE 为 410 m³/s；CNN 模型与 LSTM 模型精度接近。在验证期，GRU 和 LSTM 模型的 NSE 值均
高 于 CNN 模 型 ， 其 中 GRU 模 型 在 12 h 预 见 期 的 NSE 为 0.993， RE 为 0.34%； LSTM 模 型 的 NSE 为
0.988，RE 为-0.61%，表明 LSTM 模型精度优于 CNN 模型。为进一步直观评估模型预报精度，图 3 绘
制了三个模型验证期 12、24 和 48 h 预见期的散点图。
表 1 长江-洞庭湖流域三个模型在训练期和验证期的模拟预报结果

训练期 验证期
模型 指标
12 h 24 h 48 h 12 h 24 h 48 h
NSE 0.979 0.975 0.974 0.967 0.962 0.968
CNN RE/% 0.41 -0.05 1.26 -0.53 -0.64 0.86
MAE/（m /s） 840 940 937 1496 1709 1453
3
NSE 0.981 0.979 0.978 0.988 0.987 0.977
LSTM RE/% 0.03 0.42 -0.91 -0.61 0.19 -2.23
3
MAE/（m /s） 708 735 777 804 789 1130
NSE 0.993 0.993 0.983 0.993 0.988 0.977
GRU RE/% 0.65 0.25 -0.42 0.34 -0.26 -0.90
MAE/（m /s） 410 426 701 591 738 1112
3

注：图中颜色条为散点分布密度，散点分布越密集其颜色对应密度值越高。
图 3 三个模型不同预见期的实测流量（Q ）和预报流量（Q）散点图
f
o
— 721 —