机构名称：
¥ 1.0
摘要。高山盆地是人生生命的重要水源，可靠的水文建模可以增强高山盆地的水资源管理。最近，混合水文模型，基于过程的模型和深度学习（DL）在水文模拟中表现出了很大的希望。然而，现有混合模型的一个显着局限性在于它们未能在盆地中纳入适当的信息并描述高山水力过程，从而限制了它们在大型高山盆地中的Hy-Drological模型中的适用性。为了解决此问题，我们通过采用基于过程的模型作为主链并利用嵌入式神经网络（ENNS）来开发一组混合半分布的水电模型，以参数化和替换不同的内部模块。在藏族高原上的三个大高山盆地上测试了所提出的模型。一种气候扰动方法是用于测试混合模型的适用性，以分析大型高山盆地气候变化的水文敏感性。结果表明，提出的混合水文模型可以很好地预测径流过程和模拟大型高山盆地中的径流成分贡献。具有NASH – Sutcliffe Efiencies（NSES）的最佳混合模型高于0.87的最佳混合模型，显示了与最新的DL模型的合并性能。Hy-Brid模型在盆地内的未加州地点模拟水文过程方面还具有显着的能力，显着超过了传统的分布模型。总的来说，这项研究提供了一种具有另外，结果还显示了对气候变化的水文敏感性分析的合理模式。
大高山盆地的混合水文建模
主要关键词
相关文件推荐
