基于物联网和GCNN-LSTM的河流水文预测方法

来源：计算机测量与控制杂志2024年第7期北京时间：

作者：刘丽娜,罗清元,方强

单位：郑州大学 河南省超算中心

摘要：针对河流水文存在预测精度不高的问题，利用物联网技术设计了分布式的降雨和水文信息自动采集系统，并提出了一种基于图卷积神经网络和长短期记忆网络模型对河流水位和径流量进行预测的方法。首先通过分析确定了影响河流水文的主要因素，将流域范围内的降雨量信息组成网格化的二维图形矩阵。然后提出了GCNN-LSTM预测模型，将含有降雨信息的二维图形矩阵作为网络模型的输入，获取该流域内降雨与水文变化的时空分布特征。最后采用所提出的GCNN-LSTM预测模型对河南省周口市段颍河的历史水文数据进行训练，再利用训练后的网络对测试集数据进行预测，得到了较高精度的径流量和水位结果，径流量预测结果的RMSE、MAPE和MAE分别仅为17.09m3/s、1.68%和8.57m3/s，水位预测结果的RMSE、MAPE和MAE分别仅为0.32m、0.65%和0.29m，与其他几种预测方法相比表现出了优越性，对科学合理利用水资源和防洪减灾具有重要意义。

关键词：河流水文预测;物联网;降雨量;图卷积神经网络;长短期记忆;径流量和水位

基金资助：河南省高等学校重点科研项目(22B520020)