径流矢量化洪水预报模型

精度提升最高22%

通过径流过程矢量化提升深度学习模型的多步洪水预报性能，提高峰值预测精度并降低误差

Liu, Chengshuai · 胡彩虹 · Runxi, Li · Soomro, Shan E.Hyder · Xu, Yuanhao

Journal of Environmental Management 2024

参数信息

纳什效率系数提升幅度
2.82 %
均方根误差降低幅度
10.86 %
峰值流量相对误差降低幅度
36.14 %
NSE提升百分比（4小时预见期）
9.77 %
NSE提升百分比（5小时预见期）
15.07 %
NSE提升百分比（6小时预见期）
17.94 %

技术优势

峰值预报更准

RPV矢量表示能够更好地捕捉洪峰特征，使峰值流量的相对误差降低36.14%–51.35%，防洪决策者可以更准确地预判洪峰量级。

长预见期仍保精度

在4-6小时预见期下，NSE百分比提升达9.77%–17.94%，克服了传统深度学习模型在延长预见期时性能显著下降的问题。

跨流域稳健

在九个特征差异显著的流域中均相较于基准模型有稳定提升，模型具备良好的泛化能力，减少了逐流域重新调参的工作量。

模型通用性高

与LSTM、TCN、Transformer结合均能提升预报性能，表明RPV不依赖特定网络结构，可灵活嵌入现有深度学习预报框架。

应用场景