冯 钧，潘 飞

(河海大学计算机与信息学院,江苏 南京 211100)

0 引 言

我国是一个洪涝灾害发生十分频繁的国家，洪涝灾害不仅阻碍了我国的社会发展，而且严重地威胁着人民群众的生命及财产安全。为了减少洪涝灾害带来的损失，我国采取了许多防洪减灾手段，如对洪水进行水文预报，提前做好防御洪水的准备、修建各级大坝防御洪水和洪水调度等。在这些防洪手段中，对洪水的水文预报准确度是影响能否做好防洪减灾的一个至关重要的因素。传统的线性模型一般用于平稳序列的预报或模拟，但水文数据是具有高度不确定性和复杂性的非线性序列[1]，因而传统的线性模型在水文预报中的表现往往不尽如人意。为了提高预报的精确度，本文探索将长短期记忆(LSTM)神经网络和BP神经网络组合建立多模型组合预报模型，并将所得结果与单一的BP神经网络模型进行对比分析，探讨方法的适用性。

1 相关研究

随着计算机技术的发展以及对预报精确度要求的提高，传统的基于统计学的诸如ARMA[2]等预报模型由于精度较低，神经网络逐步成为水文预报[3]中应用最广泛的方法。王竹等[4]运用神经网络方法，以大伙房水库补水期的径流状况作为研究对象，尝试使用神经网络模型进行预测，结果表明该方法的预测成功率较高，容错能力强，有望成为径流长期预报的有效手段。曹广学等[5]采用改进的自适应BP算法，结合山西岔口流域的实测数据进行了降雨径流预报的研究，结果表明该模型预测精度较高。……