Page 122 - 2024年第55卷第9期

ｓ － ＬＳＴＭ模型为径流后处理效果对比模型，其模型结构与 ＣＮＮ － ＬＳＴＭ 模型的 ＬＳＴＭ 模块相同，输
入数据为格点总径流一维向量组成的数据集（ １１３６２ × １ × Ｔ），ＬＳＴＭ模型采用的优化器同样为 Ａｄａｍ，训
练迭代次数为 １００次，初始学习率为 ０．００００５，迭代 ７５次时学习率调整为原学习率的 １０％，每组训练
数据量和损失函数以及数据集划分比例与 ＣＮＮ － ＬＳＴＭ模型相同。

图 ３ 各后处理模型结构示意图

３．３ 评价指标 纳什效率系数 Ｎａｓｈ － Ｓｕｔｃｌｉｆｆｅｅｆｆｉｃｉｅｎｃｙ（ＮＳＥ）是目前水文学研究中应用最普遍的模型评
估指标，用于评价实测流量和模型模拟流量的拟合程度。ＮＳＥ值越接近 １表示模拟值与实测值拟合程
度越高，反之亦然。其计算公式如下：
∑ （Ｑ ｏｂｓ －Ｑ ） ２
ｓｉｍ
ＮＳＥ＝１－ （１）
∑ （Ｑ ｏｂｓ －珚 Ｑ ） ２
ｏｂｓ
式中：Ｑ 为实测流量；Ｑ 为模拟流量； 珚 Ｑ 为实测流量序列的平均值。
ｏｂｓ ｓｉｍ ｏｂｓ
百分比偏差 ＰｅｒｃｅｎｔＢｉａｓ（ＰＢ）是一种仅考虑模拟流量偏差量在实测流量中所占百分比的评价指标，
一般在水文模型评估中作为辅助性的参考指标使用。ＰＢ为零说明模拟值与实测值无误差，若为负数
则说明模拟值比实测值低，反之亦然。其计算公式如下：
∑ （Ｑ ｓｉｍ －Ｑ ）
ｏｂｓ
ＰＢ＝ ×１００％ （２）
∑ Ｑ ｏｂｓ
均方根误差 ＲｏｏｔＭｅａｎＳｑｕａｒｅｄＥｒｒｏｒ（ＲＭＳＥ）是模拟值与实测值偏差平方均值的平方根，是一个对
模拟值与实测值差异较为敏感的评价指标，ＲＭＳＥ的值越小表示模拟值与实测值拟合程度越高。其计

１
— １ ２ ７ —