GR4J-6-LSTM耦合径流模型

雪融径流模拟精度提升

将GR4J-6模型与LSTM结合，显著提高了开都河流域雪融径流的模拟精度，为寒旱区水资源管理提供了可靠工具。

Jing, Yang · 陈福龙 · 龙爱华 · 孙怀卫 · 何朝飞 · Bo, Liu

Journal of Hydrology: Regional Studies 2024

参数信息

纳什效率系数

0.84

克林效率系数

0.87

均方根误差

28.79 m³/s

纳什效率系数（基线）

0.69

克林效率系数（基线）

0.79

均方根误差（基线）

39.39 m³/s

技术优势

耦合精度提升

GR4J-6-LSTM 融合了概念性模型的过程表征与 LSTM 的时序学习能力，验证期 NSE 从单一模型的 0.69 提升到 0.84。

雪融径流适用

GR4J-6 内嵌雪融模块，直接模拟积雪积累与消融过程，避免了外部融雪径流计算的额外耦合误差。

特征可解释性

SHAP 分析表明 GR4J-6-LSTM 中 Tmin 和 Qsim 与径流呈强正相关，为模型行为提供了可解释的证据。

应用场景

• 水文模拟：用 GR4J-6-LSTM 提高融雪径流模拟精度，减少对单一模型的依赖。
• 洪水预报：利用 GR4J-6-LSTM 的时序预测能力，为开都河流域洪水预报提供更可靠的径流模拟。
• 水资源管理：用 GR4J-6-LSTM 模拟径流，支持寒旱区水资源分配和抗旱决策。