Page 36 - 2025年第56卷第6期

6 结论

本文构建了基于卷积神经网络（CNN）、长短期记忆神经网络（LSTM）和门控循环单元（GRU）的深
度学习模型，对长江-洞庭湖流域进行了洪水模拟预报，主要结论如下：
（1）在训练期和验证期，GRU 模型表现最佳，具有最高的 NSE 值和最低的 RE 值，在处理时间序列
数据方面展现出优越性能，LSTM 模型次之，CNN 模型的预报精度相对较低。三个模型的预报精度均
随预见期的增加而降低。
（2）场次洪水模拟结果显示，GRU 模型在不同预见期的模拟预报精度均高于 LSTM 和 CNN 模型，
尤其在涨退水过程模拟上表现出色，6 场洪水的洪峰预报相对误差绝对值均小于 2%。
（3）深度学习模型在长江-洞庭湖流域洪水预报具有显著优势和应用潜力，但其存在的局限性也不
容忽视，包括对数据的高度依赖、可解释性不足，以及应对极端洪水事件的能力有限。将针对这些局
限开展深入研究，进一步提高洪水预报的精准度和可靠性。

参 考 文 献：

［ 1 ］ 徐长江，徐高洪，戴明龙，等 . 三峡水库蓄水期洞庭湖区水文情势变化研究［J］ 人民长江，2019，50（2）：
.
6-12.
［ 2 ］ 徐卫红，张双虎，李娜，等 . 长江全流域大洪水下三峡水库对洞庭湖区防洪贡献分析［J］ 湖泊科学，2022，
.
34（3）：935-944.
［ 3 ］ HUANG F， OCHOA C G， GUO L， et al. Investigating variation characteristics and driving forces of lake water
level complexity in a complex river-lake system［J］ Stochastic Environmental Research and Risk Assessment，
.
2021，35（5）：1003-1017.
［ 4 ］ LUO Y， DONG Z， LIU Y， et al. Research on stage-divided water level prediction technology of rivers-connected
.
lake based on machine learning： a case study of Hongze Lake， China［J］ Stochastic Environmental Research and
Risk Assessment，2021，35（10）：2049-2065.
［ 5 ］ 张奇，刘元波，姚静，等 . 我国湖泊水文学研究进展与展望［J］ 湖泊科学，2020，32（5）：1360-1379.
.
［ 6 ］ CHEN Y，SHI P，QU S，et al. Integrating XAJ model with GIUH based on Nash model for rainfall-runoff modelling
.
［J］ Water，2019，11（4）： 772.
.
［ 7 ］ 邹冰玉，李世强 . 大湖演算模型在螺山站单值化后的适应性分析［J］ 水文，2011，31（S1）：140-142，147.
.
［ 8 ］ 曹磊，陈川建 . 连续 API 产汇流模型的改进及应用［J］ 水利水电快报，2017，38（12）：31-35.
［ 9 ］ 朱世云，于永强，俞芳琴，等 . 基于 MIKE21 FM 模型的洞庭湖区平原城市洪水演进模拟［J］ 水资源与水工
.
程学报，2018，29（2）：132-138.
.
［ 10］ 马新忠，刘大庆 . 洞庭湖区间径流模拟［J］ 水力发电学报，2011，30（5）：10-15.
［ 11］ 欧阳文宇，叶磊，顾学志，等 . 深度学习水文预报研究进展及展望［J］ 南水北调与水利科技（中英文），
.
2022，20（5）：862-875.
.
［ 12］ 丁艺鼎，蒋名亮，徐力刚，等 . 基于鲸鱼优化算法的长短期记忆模型水库洪水预报［J］ 湖泊科学，2024，36
（1）：320-332.
［ 13］ 林康聆，陈华，陈清勇，等 . 耦合 Encoder-Decoder 的 LSTM 径流预报模型研究［J］ 武汉大学学报（工学版），
.
2022，55（8）：755-761.
［ 14］ 胡乐怡，蒋晓蕾，周嘉慧，等 . 考虑记忆时间的 LSTM 模型在赣江流域径流预报中的应用［J］ 湖泊科学，
.
2024，36（4）：1241-1252.
［ 15］ 刘昱辰，刘佳，刘录三，等 . 基于 LSTM 实时校正的 WRF/WRF-Hydro 耦合径流预报［J］ 水利学报，2023，
.
54（11）：1334-1346.
［ 16］ 许月萍，周欣磊，王若桐，等 . 基于集成学习与深度学习的洪水径流预报研究［J］ 人民长江，2024，55（9）：
.
18-25.
— 724 —