基于图神经网络模型的降雨-径流量预报研究

时间：2022-09-23 来源：水利水务网

分享到：

文章题目：基于图神经网络模型的降雨-径流量预报研究

作者姓名：王明阳1，王恩志1*，刘晓丽1，罗火钱2，师琨2，高帅1，王聪聪1

作者单位：1.清华大学水沙科学与水利水电工程国家重点实验室 北京 100084；2.福建水利电力职业技术学院 福建 永安 366000

摘要：

沙溪流域径流量预测受水文站测点空间位置和历史降雨数据影响。基于图论重新定义了沙溪流域2000-2014年内有明显降雨径流关系的小时级别降雨-径流模型的数据结构，利用图神经网络搭建“端到端”降雨-径流数据动态映射模型，搭建了图卷积神经网络(GCN)，图注意力机制模型(GAT)和ChebNet三种模型对未来不同时刻径流数据进行预测，以平均绝对误差(MAE)作为评价指标，对未来两个小时的预测结果与长短期记忆模型(LSTM)，门控循环单元(GRU)和人工神经网络(ANN)的预测结果进行比较，结果表明ChebNet和GAT模型对沙溪流域降雨-径流超前1h和2h的非线性数据拟合能力更好，相比LSTM和GRU预测能力提高了37.3%~64.71%；ChebNet模型对未来15h内的径流预测效果较为稳定，提高精度和适用性的同时大幅降低了时效性的影响，提供可靠性较高的径流可能值，对小流域汛情预警具有一定指导意义。