基于深度学习残差校正的SWAT模型径流模拟优化方法研究

来源：水资源与水工程学报杂志2026年第3期北京时间：

作者：杜林峰，周佳，胡敏鹏，陈丁江

单位：（1.土壤污染防治与安全国家重点实验室,2.浙江大学环境与资源学院

摘要：气候变化与人类活动共同作用下，日尺度径流过程呈现明显非平稳性与高不确定性，使传统水文模拟面临较大挑战。物理过程模型SWAT具有明确的水文机理约束，但对洪峰、峰现相位及枯水期基流模拟存在偏差，而混合模型在不同水文情境下的适配性的相关研究仍显不足。为提高复杂变化条件下对日尺度径流的模拟精度，以浙江省永安溪流域为例，构建基于深度学习残差校正的SWAT-DL混合模型，并比较CNN、LSTM、RNN及CNN-LSTM共4类结构的适用性。结果表明：验证期内SWAT-DL模型NSE由0.74提高至均值0.90，PBIAS由4.05%减小至均值2.82%，RMSE由66.87 m3/s减小至均值42.54 m3/s；SHAP特征贡献分析与SWAT参数敏感性分析二者结果在主要控制因子识别上总体一致；不同洪水情景下的最优模型有所不同，台风型洪水下SWAT-CNN模型表现最佳，梅雨型洪水下SWAT-CNN-LSTM模型综合性能最优，SWAT-LSTM模型及SWAT-RNN模型分别对春季持续性降雨洪水及枯水期小洪水情景的模拟结果更为稳定。研究结果可为流域径流模拟优化及情景化模型选择提供参考。

关键词：径流模拟,SWAT模型,深度学习,残差校正,SHAP分析

基金资助：国家自然科学基金项目(42477393)； 浙江省自然科学基金重点项目(LZ25D010001)