基于长短时记忆神经网络和水文澜湄流域径流过程模拟研究
文献类型：学位论文
| 作者 | 刘斌霄 |
| 答辩日期 | 2022-12 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 汤秋鸿 |
| 关键词 | 水文模型 数据驱动模型 物理引导神经网络 径流 气候变化 |
| 学位名称 | 博士 |
| 学位专业 | 自然地理学 |
| 英文摘要 | 洪水是澜沧江—湄公河流域（澜湄流域）重要的灾害之一，对沿岸国家人民的生计和财产安全构成重大威胁。气候变暖将加剧水循环，导致澜湄流域的水资源危机和洪水风险加剧。因此，准确的径流和洪水预报结果非常重要，可以支撑澜湄流域提前开展洪灾应对以及风险缓解。基于过程的水文模型是模拟、预测流域水文水资源变化的重要工具。同时，近年来机器学习方法已广泛应用于数据建模领域，并在径流模拟领域展现出广阔的应用前景。这两种方法的结合有望提高水文预测的准确性。因此，本文拟针对澜湄流域的洪水灾害问题，采用水文水动力模型与机器学习模型相结合的方法，以改善流域径流模拟精度。借助该混合模型，评估气候变化和人类活动对径流和洪水的各自影响，同时基于全球气候模式数据评估气候变化下澜湄流域径流的未来变化。本论文的主要研究结果包括: （1）在物理引导神经网络建模的框架下，开发了一个混合物理数据模型用于径流和洪水的预测。该混合物理数据模型主要使用长短时记忆（LSTM）神经网络，利用基于过程的水文模型（即VIC-CaMa-Flood）模拟结果以及气象驱动信息（降水，最高温度，最低温度和风速）来模拟日径流序列和洪水。该混合物理数据模型要比单独的VIC-CaMa-Flood模型或仅采用观测数据驱动的LSTM模型的模拟效果更好，这表明在数据驱动建模中引入物理规则是有用的。另外，本文使用梯度决策提升树来衡量基于过程的模型的模拟输出和气象驱动数据对该混合物理数据模型的信息贡献。结果表明，基于过程的模型模拟对混合物理数据模型的贡献约为30%，超过每个气象驱动变量的信息贡献（<20%）。该混合物理数据模型充分发挥了基于过程的模型的物理机制以及LSTM模型高精度的优势，为利用不完整的物理理解和不足的数据来增强径流和洪水预测提供了一种新颖的方法。 （2）评估了澜湄流域1966-2015年的径流变化、洪水变化以及气候变化和人类活动对径流的贡献。借助混合物理数据模型，对通过Mann-Kendall检验和水库建设历史确定的三个时期的清盛、琅勃拉邦、万象、莫达汉、巴色（即CS、LP、VT、MK、PK）五个水文观测站点的径流和洪水进行了模拟。利用混合物理数据模型重新构建了仅受气候变化影响的天然径流。结果表明：与基准期（1966-1992年）相比，过渡时期（1993-2007年）的天然径流量在年尺度（2% ~ 10%）和湿季（14% ~ 28%）增加，旱季（-24% ~ -47%）减少。在过渡时期，气候变化对径流变化的相对贡献在53% - 90%之间。过渡期的洪水变化主要受气候变化的影响。在影响后期（2008-2015年），CS站和LP站的天然径流量减少，VT站、MK站和PK站的天然径流量增加。人类活动在年尺度和湿季使径流减少，而在旱季使径流增加。人类活动的贡献率普遍增加，在CS站的贡献高达84%。2008年以后，人类活动显著降低了湄公河下游（LP站以下区域）洪水的强度和频率。CS站的洪水减少，除受人类活动影响外，也主要是受气候变化的影响。 （3）借助跨部门影响模型比较计划（ISIMIP）3b项目中的五种气候模式数据，对其进行偏差校正以提高气候模式数据对澜湄流域各地气候的模拟能力。利用气候变化检测和指数专家小组推荐的五个极端降水指数评估未来极端降水的变化。将偏差校正后的气候模式数据驱动混合物理数据模型以评估气候变化下澜湄流域的径流变化。结果显示，与基准期（1981-2010年）相比，未来远期（2071-2100年）的湿日降水总量（PRCPTOT）、强降水总量（R95p）、强降水天数（R10mm）以及降水强度（SDII）在SSP5-8.5情景下的增量明显大于SSP1-2.6以及SSP3-7.0情景。持续湿日数（CWD）在SSP1-2.6情景下的增量最为显著。本世纪，澜湄流域的极端降水将会增多，极端值在未来远期普遍要比未来近期高。在气候变化下，澜湄流域未来的年均径流量将增加3.0%至20.0%之间，雨季平均径流量将增加6.3%至41.5%之间。澜湄流域在未来将出现“湿季更湿、旱季更旱”的状况，极有可能面临更为严重的洪水与干旱事件。 |
| 语种 | 中文 |
| 页码 | 127 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199787]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 刘斌霄. 基于长短时记忆神经网络和水文澜湄流域径流过程模拟研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2022. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。