基于神經網絡模型的寸灘站含沙量預測

◎ 何博 重慶交通大學河海學院

1.引言

河流含沙量是河床演變的重要影響因素，如何預測含沙量的變化情況，不僅對預測河床的變化發展有重要意義，同時，對防洪、灌溉、水資源綜合利用、水利工程建設和河流生態有著重要影響。傳統的河流含沙量的預測方法多借助于水保法、水文法、物理模擬法等。隨著神經網絡和機器學習的發展，通過神經網絡模型對河流含沙量進行預測已經被部分學者所應用，且取得良好的效果。當前主要采用的泥沙預測神經網絡模型包括，BP人工神經網絡（BPNN）、長短時記憶神經網絡模型（LSTM）、小波神經網絡（WNN）以及各種改良后的網絡模型。

其中LSTM網絡模型由于其能夠學習并記憶長期的規律，因此被廣泛應用于時間序列的預測。門控循環單元（GRU）模型是LSTM模型的變體，其在LSTM模型的基礎上進行了簡化，提高了模型的訓練速度，同時保留了LSTM的預測效果。郭燕等人采用LSTM和GRU模型預測了洞庭湖水位，結果表明兩種模型都具有良好的預測效果。

本文分別采用不同模型對寸灘水文站含沙量序列進行訓練和預測，對預測結果進行了對比和誤差分析。并探討了通過考慮干支流來水改善模型輸入，提高預測模型的效果。

2.研究區域概況和數據

2.1 研究區域

寸灘站地處長江和嘉陵江交匯處下游7.5km（圖1），位于長江上游重慶至涪陵河段之間，是長江上游的重要控制水文站。即受到上游金沙江、岷江、沱江和嘉陵江各個長江支流的入匯影響，同時也處在三峽變動回水區，受回水頂托影響。……