济南大学学报(自然科学版)

作者：徐晓芹,赵文聚,仇东山,郑波,潘维艳,孔珂

基金：国家自然科学基金项目(42307083)

为了提高城区降雨预报的准确性，为城市防洪留有更多的准备和防御时间，利用基于数据驱动的长短时记忆神经网络(LSTM)模型对山东省济南市兴济河进行水文预报研究；分别建立序列长度为2.5、 3.0 h的LSTM模型，利用均方根误差和纳什系数对比选优2个LSTM模型；优选出序列长度为3.0 h的LSTM模型并将其应用于2场不同时长的降雨中进行水文预报。结果表明，在干流源头和支流附近，LSTM模型的预报精度较低，随着多维度实时水文数据的输入，序列长度为3.0 h的LSTM模型的预报准确性更高，更适合兴济河的水情变化，同时，该模型对较长历时降雨模拟效果更好，可以将其用于洪水预报研究中。

来源：2025年第06期

《济南大学学报(自然科学版)》期刊编辑部

查看济南大学学报(自然科学版)杂志2025年第06期