Page 119 - 2025年第56卷第11期

入。基于五个站点的数据分别对 L-XAJ 模型单独进行校准，并使用各站点测试期的数据评估模型
性能。
4.2 参数设置 在本文中，统一采用 1980-01-01 至 1986-01-01 的数据对所有模型进行校准，选用
2000-01-01 至 2007-01-01 的数据进行测试，并设置 1 年的预热期。通过网格搜索方法和初步实验测
试，本文所有模型均选择 Adam 优化算法，学习率设定为 0.001，批次大小设置为 100，迭代次数为
150。在模型结构方面，子流域产流模块的 FNN 结构及其参数配置为 14-512-256-13；DHFM-MK 中河
道 汇 流 模 块 的 FNN 结 构 及 参 数 为 5-512-256-2； DHFM-DW 中 河 道 汇 流 模 块 的 FNN 结 构 及 参 数 为
4-512-256-2；DHFM-CNN 中河道汇流模块的 FNN 结构及参数为 5-512-256-72。

5 结果及分析

5.1 有资料站点模拟性能 图 3 展示了 DHFM-MK、DHFM-DW、DHFM-CNN 和 L-XAJ 模型在测试期
的 日 流 量 与 洪 水 模 拟 评 价 指 标 结 果 。 从 图 3（a）中 各 模 型 在 五 个 站 点 的 日 流 量 模 拟 评 价 指 标 来 看 ，
DHFM-CNN 模型在五个站点的平均 NSE 和 KGE 分别为 0.893 和 0.870，优于 DHFM-DW 模型（平均 NSE

和 KGE 分别为 0.876 和 0.844），且二者均显著优于 DHFM-MK 模型（平均 NSE 和 KGE 分别为 0.817 和
0.786）。图 3（b）展示了各模型在五个站点的洪水模拟评价指标结果，同样呈现出相似的趋势。DHFM-
CNN 模型（平均 NSE、KGE、RFE 和 RPE 分别为 0.844、0.869、0.115 和 0.151）性能略优于 DHFM-DW
模型（平均 NSE、KGE、RFE 和 RPE 分别为 0.820、0.847、0.125 和 0.162），且二者均显著优于 DHFM-
MK 模型（平均 NSE、KGE、RFE 和 RPE 分别为 0.791、0.785、0.136 和 0.183）。

图 3 不同模型模拟评价指标结果

— 1510 —