基于多模型集成的和田河流域中长期融雪径流预测

0 引言

融雪径流是西北干旱区水资源的重要组成部分，中长期融雪径流预测在西北地区水资源分配与调度、洪涝灾害防御、灌溉以及发电等方面起着重要作用。目前在寒区，融雪径流中长期预测的方法种类繁多，根据是否考虑物理因素，预报方法可大致分为基于数据驱动的方法和基于物理成因的方法两大类。基于物理成因的方法又可分为基于度日因子的经验模型和基于物质与能量平衡的物理模型。目前对于寒区的融雪径流预报研究主要集中于基于物理成因的预测方法上，采用的模型包括 SRM模型[]、HBV 模型[2]及SWAT模型[3]等。而数据驱动模型在融雪径流稳定的地区往往具有较好的适应性，在融雪径流的中长期径流预测中被广泛应用。Wang等4基于遥感数据和大气再分析资料，建立了随机森林模型（RF）和人工神经网络模型（ANN）对西祁连西营河流域的径流进行模拟，且通过引人积雪遥感数据，有效提高了融雪径流机器学习模拟的精度。Chen等[5]建立了一种名为外生正则化网络的深度学习模型（ERNet），并将其应用于乌鲁木齐1号冰川的融雪径流模拟，而后将ERNet模型与基本DL模型（LSTMS）和基于过程的水文模型（FLEXG）进行了比较，结果表明ERNet模型不仅在径流和峰值流量模拟中表现良好，而且具有更好的可转移性。Pham等[展示了随机森林模型在西北太平洋86个有融雪流域提前1d预测径流的潜力。

由于每个模型的特点不同且各有优势，许多研究者发现通过合适方式将多个模型结合，能够有效克服单个模型的缺点，使径流预报的准确性与时效性得到有效提高[7]。……