考虑物理约束的结构化状态空间洪水预报模型研究

来源：水资源与水工程学报杂志2025年第5期北京时间：

作者：张晶，葛阳，孙加龙，平扬，张振洲，刘智勇

单位：1.中电建生态环境集团有限公司,2.中山大学水资源与环境研究中心

摘要：针对现有深度学习洪水预报模型在处理长时序依赖时的性能衰减及缺乏物理机制约束的问题，提出一种融合结构化状态空间模型(S4D)与水文特定损失函数(HydroLoss)的洪水预报框架(Hydro-S4D)。该框架利用S4D模型高效捕捉长期依赖关系的能力，并设计了包含加权均方根误差、趋势一致性、峰值关注和相位校正的复合损失函数HydroLoss，将水文物理约束融入模型训练。以珠江三角洲典型水文站为例的应用结果表明：该框架显著提升了预报精度，1 d预见期纳什效率系数(NSE)达0.9，7 d预见期仍可维持在0.6左右；在洪峰拟合、过程形态保持以及不确定性量化方面，该框架均优于长短期记忆网络(LSTM)等对比模型，有效解决了其过度自信或不自信的问题。研究证实，将先进序列模型与蕴含领域知识的损失函数相结合，是提升中长期洪水预报精度与可靠性的有效路径，所提出的Hydro-S4D框架为数据驱动的水文预报模型赋予了更强的物理现实性和应用价值。

关键词：洪水预报,物理约束,深度学习,结构化状态空间模型,Hydro-S4D模型,珠江流域

基金资助：国家重点研发计划项目（2023YFC3207500）； 中国电力建设集团重点科技研发项目（DJ-ZDXM-2023-39）