Page 4 - 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 － １００９ － １１

基于机器学习降雨动态时空特征识别

山丘区小流域洪水预报方法研究

３
５
刘媛媛 １，２ ，刘业森 １，２ ，刘 洋 ，刘正风 ３，４ ，杨伟韬 ，胡文才 ６
（１．中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京 １０００３８；
２．水利部防洪抗旱减灾工程技术研究中心，北京 １０００３８；
３．水利部水利水电规划设计总院，北京 １００１２０；
４．福建省水利水电勘测设计研究院有限公司，福建 福州 ３５０００１；
５．广西壮族自治区水利电力勘测设计研究院有限责任公司，广西 南宁 ５３００２３；
６．淮河水利委员会沂沭泗水利管理局水文局（信息中心），江苏 徐州 ２２１０１８）

摘要：山丘区洪水产汇流速度快，破坏力强，预报难度大。如何进一步提高山丘区洪水预报的准确性和预见期，
是当前亟待解决的主要问题。针对该问题，本文基于机器学习技术，创新性地提出了一种洪水预报的新方法。该
方法通过识别与当前降雨动态时空特征最相似的历史降雨洪水过程， “借古喻今” 进行洪水预报。结果表明，在
２
人为影响小、流域面积在 ６００ｋｍ 左右的山丘区小流域，该方法预报洪峰流量平均误差为 ８．３３％，洪量平均误差
为 １４．２７％，峰现时间平均误差 １ｈ，均达到了洪水预报精度要求。区别于传统的洪水预报方法，该方法从整场降
雨发展趋势的角度上预报山洪，更有针对性，为山丘区小流域洪水预报提供了新思路，为 “三道防线” 数据深度
挖掘，防洪 “四预” 智能化水平提升提供有力技术支撑。
关键词：人工智能；流形学习；降雨时空特征；山丘区小流域洪水预报
文献标识码：Ａ
中图分类号：Ｐ３３８ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０６８７
１ 研究背景

近年来随着全球气候变化，山丘区强降雨出现频次增加，山洪灾害成为影响我国的主要自然灾害
之一 ［１ － ２］ 。据统计，２０２２年四川、青海 ２省因山洪泥石流灾害导致的人员死亡失踪人口占全国因洪涝
死亡失踪人口的 ４６．７８％ ［３］ 。在山洪到来之前，如何准确预判洪水风险，及时转移避险，保障人民群
众的生命财产安全，是山洪灾害风险管理中非常重要的课题。传统的洪水预报方法主要是流域水文模
型 ［４］ ，模型以下垫面物理特征为基础，结合下渗曲线、汇流单位线、蒸散发公式等模拟水循环过程。
如美国的萨克拉门托（ Ｓａｃｒａｍｅｎｔｏ）模型 ［５］ 、日本的水箱（Ｔａｎｋ）模型 ［６］ 以及我国的新安江模型 ［７］ 等。近
年来随着技术的发展和算法的进步，分布式水文模型在洪水预报中应用也越来越广泛 ［８ － ９］ 。郭生练
等 ［１０］ 提出基于 ＤＥＭ的分布式水文物理模型，模拟整个流域的径流过程。郑捷等 ［１１］ 基于 ＳＷＡＴ模型构
建了汾河灌区分布式水文模型，对水量平衡进行模拟。这些方法在我国工程规划设计和预报调度中取
得了巨大的成功和应用。但山丘区降雨时空变化大，下垫面植被、地形条件复杂，产汇流速度快，山
洪预报难度大，传统水文预报模型在山洪预报方面具有一定的不确定性。
当前我国的水文测站从新中国成立之初的 ３５３处发展到 １２．１万处 ［１２］ ，站网密集，积累了大量的

收稿日期：２０２３ － １１ － ０４；网络首发日期：２０２４ － ０９ － １３
网络首发地址：ｈｔｔｐｓ：??ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ?ｕｒｌｉｄ?１１．１８８２．ＴＶ．２０２４０９１２．１３０５．００２
基金项目：国家自然科学基金重大基金项目（５２３９４２３５）；沂沭河流域超标准洪水防控能力提升措施建议（减 ＪＺ０１４５Ｂ０４２０２４）
作者简介：刘媛媛（ １９７８ － ），正高级工程师，主要从事防洪减灾相关研究。Ｅ － ｍａｉｌ：５０２３７４７９＠ｑｑ．ｃｏｍ
通信作者：刘业森（１９８０ － ），正高级工程师，主要从事空间信息技术及防灾减灾研究。Ｅ － ｍａｉｌ：ｌｉｕｙｓ＠ｉｗｈｒ．ｃｏｍ
０
— １ ０ ９ —