文献分享 | JOH-RS：一种用于数据缺乏小型山区流域智能洪水预报的新型混合SCS-LSTM模型

背景：针对无资料或资料缺乏的山区小流域（PUBs）洪水预报难题，传统水文模型参数率定困难，深度学习模型在缺乏长序列训练数据时表现不佳。研究目的：提出一种结合SCS模型与长短期记忆神经网络LSTM的混合框架SCS-LSTM，旨在通过物理机制与数据驱动相耦合，克服资料缺乏带来的建模障碍，提高突发性山洪的预报精度。结论：SCS模型能有效生成具有物理一致性的训练数据；SCS-LSTM模型在验证期表现优于SCS-BPNN和SCS-GRU模型，能更准确模拟洪水过程；混合模型计算的设计洪峰流量更符合极端降雨条件下的物理规律；敏感性分析表明未来降雨是影响长期预报不确定性的主导因素。该研究为数据稀缺地区的水文预报提供了可复制的解决方案。