Page 118 - 2024年第55卷第9期

水 利 学 报

２０２４年 ９月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５５卷 第 ９期

文章编号：０５５９ － ９３５０（２０２４）０９ － １１２３ － １２

基于分布式产流要素和时空深度学习算法的径流后处理研究

１
１
１
吴 篧 ，许月萍 ，刘 莉 ，何柯琪 ２
（１．浙江大学 建筑工程学院水科学与工程研究所，浙江 杭州 ３１００５８；
２．杜克大学 尼古拉斯环境学院地球与气候科学研究所，美国 北卡罗来纳州 达勒姆 ２７７０８）

摘要：准确的径流模拟是流域水资源管理和区域综合政策制定的重要前提。为提高径流模拟的精度，本文以浙江
省台州市永安溪流域为研究区域，基于 ２０１０—２０１９年柏枝岙站出口断面的实测日径流数 据 和 网 格 化 ＨＢＶ模 型
（ Ｇｒｉｄ － ＨＢＶ）的模拟结果，提出了一种耦合卷积神经网络 ＣＮＮ和长短期记忆网络 ＬＳＴＭ的 ＣＮＮ － ＬＳＴＭ 时空后处理
模型；构建了基于单一产流要素的 ｓ － ＣＮＮ － ＬＳＴＭ模型和基于两种产流要素的 ｂｉ － ＣＮＮ － ＬＳＴＭ 模型，并与基准模型
ｓ － ＬＳＴＭ开展径流后处理和比较分析。研究结果表明：Ｇｒｉｄ － ＨＢＶ模型率定期和验证期的纳什效率系数（ＮＳＥ）分别
为 ０．７８和 ０．８１，整体径流模拟效果较好，但存在中、高水低估和低水高估的不足。经 ｓ － ＬＳＴＭ 模型后处理后，率
定期和验证期 ＮＳＥ提升至 ０．８７和 ０．８５，提升幅度为 １１．２％和 ５．８％；ｓ － ＣＮＮ － ＬＳＴＭ模型后处理后 ＮＳＥ分别为 ０．９０
和 ０．８９，提升幅度为 １４．６％和 １０．９％。ｂｉ － ＣＮＮ － ＬＳＴＭ模型后处理后率定期和验证期 ＮＳＥ皆达到 ０．９２，提升幅度为
１７．２％和 １４．２％，比 ｓ － ＬＳＴＭ模型的提升幅度分别大 ６．０％和 ８．４％，且该模型对原模拟径流高、中、低各流量等级
中的局部缺陷有针对性改善。在 ４个典型洪水事件的分析中，ｂｉ － ＣＮＮ － ＬＳＴＭ模型总体后处理效果最好，与 Ｃｒｉｄ －
ＨＢＶ模型模拟 结 果 相 比，各 洪 峰 误 差 平 均 减 小 ３６．６％，ｓ － ＬＳＴＭ 模 型 和 ｓ － ＣＮＮ － ＬＳＴＭ 模 型 则 平 均 额 外 减 小 了
１９．３％和 ３０．３％。基于分布式产流要素的 ＣＮＮ － ＬＳＴＭ模型具有较好的径流后处理能力，能够显著提高水文模型径
流模拟效果，有助于流域水文水资源的科学管理。
关键词：径流后处理；ＣＮＮ － ＬＳＴＭ；深度学习；网格化 ＨＢＶ水文模型；椒江流域
中图分类号：ＴＶ１２１
文献标识码：Ａ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０６６２
１ 研究背景

径流是地球水循环中与人类生产生活关系最密切的部分。径流模拟一直是水文水资源领域的研究
热点，准确的径流模拟有助于流域水资源管理方案和区域综合政策的制定 ［１］ 。水文模型是开展径流模
拟的有效工具，它用 数学 语言 描述水 文循 环的过 程 和 特 征，对 降 雨 径 流 过 程 进 行 局 部 或 整 体 的 模
拟 ［２］ 。然而水文模型受到模型输入、初始条件、边界条件、模型参数和结构等不确定性因素的影响，
模型输出的结果存在偏差 ［３］ 。因此，各种各样的后处理方法被提出并应用于径流模拟中，以减小水文
模拟结果的偏差，提高径流模拟的准确性 ［４］ 。
前人对径流模拟的后处理方法已经有了一定的研究和探索。这些后处理方法大致可以分为三类：
一是非参 数 化 方 法，常 见 的 有 分 位 数 映 射 法 （ ＱｕａｎｔｉｌｅＭａｐｐｉｎｇ，ＱＭ）、频 率 匹 配 法，例 如 Ｌｕｃａｔｅｒｏ
等 ［５］ 在丹麦某流域采用 ＱＭ方法对基于 ＭＩＫＥＳＨＥ的地表 － 地下耦合水文模型进行径流后处理，效果
显著；Ｗｕ等 ［６］ 基于频率曲线建立了误差订正函数，提升了海流兔河流域径流模拟效果。二是参数化

收稿日期：２０２３ － １０ － ２５；网络首发日期：２０２４ － ０９ － １３
网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１１．１８８２．ＴＶ．２０２４０９１２．１１４３．００１
基金项目：浙江省重点研发项目（２０２１Ｃ０３０１７）；浙江省自然基金重点项目（Ｚ２０Ｅ０９０００５）；国家重点研发计划项目（２０２１ＹＦＤ１７００８０２）；国
家自然科学基金项目（５２３０９０３８）
作者简介：吴篧（１９９６ － ），硕士生，主要从事水文模拟研究。Ｅ － ｍａｉｌ：２１９１２０９２＠ｚｊｕ．ｅｄｕ．ｃｎ
通信作者：许月萍（１９７５ － ），教授，主要从事水文与水资源研究。Ｅ － ｍａｉｌ：ｙｕｅｐｉｎｇｘｕ＠ｚｊｕ．ｅｄｕ．ｃｎ
１
— １ ２ ３ —