Page 16 - 2025年第56卷第7期

prediction using a state-of-the-art deep learning model［J］ Journal of Hydrology，2022，614：128599.
.
［ 3 ］ CROCHEMORE L，RAMOS M，PAPPENBERGER F. Bias correcting precipitation forecasts to improve the skill of
seasonal streamflow forecasts［J］ Hydrology and Earth System Sciences，2016，20（9）：3601-3618.
.
［ 4 ］ 马秋梅，桂绪，熊立华，等 . 气候变化对 HBV 水文模型参数敏感性和不确定性的影响［J］ 水科学进展，
.
2024，35（4）：556-568.
［ 5 ］ 谢平，霍竞群，桑燕芳，等 . 基于 ARMA 模型的水文序列相依变异分级方法及验证［J］ 水利学报，2021，
.
52（7）：793-806.
［ 6 ］ 周庆梓，何自立，吴磊，等 . 多源数据融合的深度学习径流预测模型［J］ 水力发电学报，2023，42（5）：
.
43-52.
.
［ 7 ］ 刘攀，郑雅莲，谢康，等 . 水文水资源领域深度学习研究进展综述［J］ 人民长江，2021，52（10）：76-83.
［ 8 ］ GRANATA F， DI NUNNO F， DE MARINIS G. Stacked machine learning algorithms and bidirectional long short-
term memory networks for multi-step ahead streamflow forecasting： A comparative study［J］ Journal of Hydrology，
.
2022，613：128431.
［ 9 ］ 李步，田富强，李钰坤，等 . 融合气象要素时空特征的深度学习水文模型［J］ 水科学进展，2022，33（6）：
.
904-913.
［ 10］ CAPPELLI F，TAURO F，APOLLONIO C，et al. Feature importance measures for flood forecasting system design
［J］ Hydrological Sciences Journal，2024，69（4）：438-455.
.
［ 11］ 余红玲，王晓玲，任炳昱，等 . 土石坝渗流性态分析的 IAO-XGBoost 集成学习模型与预测结果解释［J］ 水利
.
学报，2023，54（10）：1195-1209.
［ 12］ YAO Z，WANG Z，WANG D，et al. An ensemble CNN-LSTM and GRU adaptive weighting model based improved
.
sparrow search algorithm for predicting runoff using historical meteorological and runoff data as input［J］ Journal of
Hydrology，2023，625：129977.
［ 13］ TANG C， ZHANG Y， WU F， et al. An improved CNN-BILSTM model for power load prediction in uncertain
.
power systems［J］ Energies，2024，17（10）：2312.
［ 14］ 刘 源 ， 纪 昌 明 ， 马 皓 宇 ， 等 . 基 于 集 合 Kalman 滤 波 的 中 长 期 径 流 预 报［J］ 水 资 源 保 护 ， 2024， 40（1）：
.
93-99.
［ 15］ 熊怡，周建中，孙娜，等 . 基于自适应变分模态分解和长短期记忆网络的月径流预报［J］ 水利学报，2023，
.
54（2）：172-183，198.
［ 16］ 王丽萍，李宁宁，马皓宇，等 . MIC-PCA 耦合算法在径流预报因子筛选中的应用［J］ 中国农村水利水电，
.
2018（9）：36-41，51.
［ 17］ WENXIN X， JIE C， CORZO G， et al. Coupling deep learning and physically based hydrological models for
.
monthly streamflow predictions［J］ Water Resources Research，2024，60（2）：e2023WR035618.
［ 18］ LU P，LIN K，XU C，et al. An integrated framework of input determination for ensemble forecasts of monthly estua⁃
.
rine saltwater intrusion［J］ Journal of Hydrology，2021，598：126225.
［ 19］ THANH H V， BINH D V， KANTOUSH S A， et al. Reconstructing daily discharge in a megadelta using machine
learning techniques［J］ Water Resources Research，2022，58（5）：e2021WR031048.
.
［ 20］ 熊怡，周建中，贾本军，等 . 基于随机森林遥相关因子选择的月径流预报［J］ 水力发电学报，2022，41（3）：
.
32-45.
.
［ 21］ JIANG Q，LI W，FAN Z，et al. Evaluation of the ERA5 reanalysis precipitation dataset over Chinese Mainland［J］
Journal of Hydrology，2021，595：125660.
［ 22］ XU J，MA Z，YAN S，et al. Do ERA5 and ERA5-land precipitation estimates outperform satellite-based precipita⁃
tion products？A comprehensive comparison between state-of-the-art model-based and satellite-based precipitation
.
products over mainland China［J］ Journal of Hydrology，2022，605：127353.
［ 23］ LIAO S，LIU Z，LIU B，et al. Multistep-ahead daily inflow forecasting using the ERA-Interim reanalysis data set
based on gradient-boosting regression trees［J］ Hydrology and Earth System Sciences，2020，24（5）：2343-2363.
.
［ 24］ 董甲平，冶运涛，顾晶晶，等 . 遥感降水降尺度高精度校正及不确定性分析方法［J］ 水利学报，2024，55
.
（2）：226-237，252.
.
［ 25］ 吴业楠，钟平安，闫海滨，等 . 基于层次贝叶斯法的无资料地区洪水频率分析［J］ 水电能源科学，2019，37
— 842 —