基于时间卷积网络的长江下荆江航道水位预测

来源：水利水运工程学报杂志 2023年第6期北京时间：

作者：李港,李有为,舒章康,张宇,王江,查伟

摘要：航道水位的精准预测对保障船舶通航安全具有重要意义。以长江下荆江航道为研究区域，采用2019—2020年水文时间序列数据为训练集，2021年数据为验证集，构建基于时间卷积网络（TCN）的长江下荆江水位变化预测模型，并与基于长短时记忆神经网络（LSTM）和支持向量机（SVM）的水位预测模型进行计算精度的对比。结果表明：不同站点TCN对应的最优输入时间窗口存在一定差异，监利站、调弦口站及石首站的最优输入时间窗口分别为前2 d、前2 d和前3 d；TCN在2021年下荆江各站点水位预测结果的纳什系数（ENS）和决定系数（R2）均高于0.995，均方根误差（ERMS）小于0.21 m，整体预测效果优于LSTM，两者预测精度均较高，均显著优于SVM；但随着预测时间尺度的增加，水位预测精度整体呈下降趋势；TCN模型各站点枯水期大部分时段的水位预测绝对误差小于0.2 m，这表明TCN在航道水位预测领域具有较好的应用潜力。通过分析TCN在航道水位预测中的适用性和优越性，可为长江航道水位预测精度提升和船舶安全通航提供技术支撑。

关键词：水位预测, 航道水位, 下荆江航道, 时间卷积网络, 长短时记忆神经网络