1 论文标题：山区流域GRU神经网络洪水预报模型研究
2 作者信息：金保明, 司 琪, 程滕龙, 徐澄慧：福州大学土木工程学院，福建 福州；陈朝清：浙江省水利水电勘测设计院有限责任公司，浙江 杭州
3 出处和链接：金保明, 司琪, 陈朝清, 程滕龙, 徐澄慧. 山区流域GRU神经网络洪水预报模型研究[J]. 水资源研究, 2025, 14(6): 577-589. https://doi.org/10.12677/jwrr.2025.146063
4 摘要：运用具有更新门和重置门控制的深度学习循环神经网络(GRU)技术，选取1997~2021年期间崇阳溪上游流域29场降雨径流过程，其中21场过程作为训练集，以上游岚谷等6个雨量站逐时雨量和下游控制断面武夷山水文站前期流量为输入，以该断面相应流量为输出，依据RMSE最小方法确定网络隐含层单元数和迭代轮数，在GRU层之后增加全连接层，并对其进行Dropout化处理，构建GRU神经网络预报模型。采用该模型对余下的8场洪水进行测试，并与共轭梯度PRPB神经网络模型结果进行对比。结果表明，GRU模型预测效果更好，其洪水过程预测误差均小于PRPB模型，在洪峰流量预测精度方面总体上略高于PRBP模型，模型的纳什效率系数也比后者高，因此适合用于山区流域的洪水预报。
2 作者信息：金保明, 司 琪, 程滕龙, 徐澄慧：福州大学土木工程学院，福建 福州；陈朝清：浙江省水利水电勘测设计院有限责任公司，浙江 杭州
3 出处和链接：金保明, 司琪, 陈朝清, 程滕龙, 徐澄慧. 山区流域GRU神经网络洪水预报模型研究[J]. 水资源研究, 2025, 14(6): 577-589. https://doi.org/10.12677/jwrr.2025.146063
4 摘要：运用具有更新门和重置门控制的深度学习循环神经网络(GRU)技术，选取1997~2021年期间崇阳溪上游流域29场降雨径流过程，其中21场过程作为训练集，以上游岚谷等6个雨量站逐时雨量和下游控制断面武夷山水文站前期流量为输入，以该断面相应流量为输出，依据RMSE最小方法确定网络隐含层单元数和迭代轮数，在GRU层之后增加全连接层，并对其进行Dropout化处理，构建GRU神经网络预报模型。采用该模型对余下的8场洪水进行测试，并与共轭梯度PRPB神经网络模型结果进行对比。结果表明，GRU模型预测效果更好，其洪水过程预测误差均小于PRPB模型，在洪峰流量预测精度方面总体上略高于PRBP模型，模型的纳什效率系数也比后者高，因此适合用于山区流域的洪水预报。