基于改进LSTM模型的三峡水库蓄...对洞庭湖水位影响的空间异质性分析 张睿芝.pdf

: .
水利水电技术型通江湖泊——洞庭湖不同湖区的水位预测为例，
与传统的 LSTM模型、BP神经网络及水动力模型相比，%、
%、%；从预测计算时间来看，改进型 LSTM 模型所消耗的时间比传统的 LSTM 模型缩短 %，
且明显少于水动力模型，总体来看改进型 LSTM 模型的整体性能优于其他三种模型。将改进型 LSTM 模型
应用到三峡水库蓄水对洞庭湖水位的影响分析上，结果表明：三峡水库运行对洞庭湖不同湖区水位的影响
具有明显的空间异质性，城陵矶站受其影响最为显著，其次为东洞庭湖鹿角站和西洞庭湖南咀站，南洞庭
湖受影响最小。蓄水期间东洞庭湖城陵矶站水位平均下降 ，最大降幅为 ；鹿角站水位平均下
降 ，最大降幅为 ；西洞庭湖南咀站水位平均下降 ，最大降幅为 ；南洞庭湖杨柳潭
站水位平均下降 ，最大降幅为 1m。研究成果为快速准确预测三峡水库影响下的洞庭湖水位提供了新
的手段，同时也可为三峡水库的蓄水策略优化提供重要参考依据。
关键词：洞庭湖；三峡水库；蓄水期；长短期记忆网络；水位预测；BP 神经网络；空间异质性；径流
中图分类号：； 文献标志码：A
开放科学（资源服务）标志码（OSID）：

Spatial heterogeneity analysis of the impact of the Three Gorges Reservoir
impounding on the water level of Dongting Lake based on the improved LSTM
model
ZHANG Ruizhi1, DAI Lingquan1,2, DAI Huichao2, LIU Yaxin2, CAI Zhuosen1, LIU Fen1
(1. College of Hydraulic & Environmental Engineering, China Three Gorges University, Yichang 443002, Hubei, China; 2. China
Three Gorges Corporation, Beijing 100038, China)

Abstract: As the traditional long short-term memory (LSTM) model has the problems of blocked network
training, weakened generalization ability, low prediction accuracy and efficiency, the model structure and
parameter optimization are improved in this study. As for structure, the neural network layer with multi-layer
structure is add