基于LSTM-Transformer模型的生物滞留设施土壤湿度预测

金夏; 何彦锋; 陈强; 杨逸帆; 陈雷; 张翔

doi:10.20040/j.cnki.1000-7709.2026.20251723

您当前的位置：

首页 >

文章列表页 >

基于LSTM-Transformer模型的生物滞留设施土壤湿度预测

更新时间：2026-10-20

- 基于LSTM-Transformer模型的生物滞留设施土壤湿度预测
- Vol. 44, Issue 10, Pages: 41-45(2026)
- 作者机构：
  
  1. 1a.武汉大学水资源工程与调度全国重点实验室
  2. 1b.武汉大学海绵城市建设水系统科学湖北省重点实验室
  3. 中国电建集团成都勘测设计研究院有限公司
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2026.20251723
  CLC： TU992;P333;S152.71
- Published：2026
- 稿件说明：
移动端阅览
金夏, 何彦锋, 陈强, et al. 基于LSTM-Transformer模型的生物滞留设施土壤湿度预测[J]. 2026, 44(10): 41-45.
DOI：

金夏, 何彦锋, 陈强, et al. 基于LSTM-Transformer模型的生物滞留设施土壤湿度预测[J]. 2026, 44(10): 41-45. DOI： 10.20040/j.cnki.1000-7709.2026.20251723.

摘要

生物滞留设施（BRF）是海绵城市雨水管理体系中的关键低影响开发措施，其土壤湿度动态变化直接影响设施的蓄渗、净化和蒸发等水文功能，其变化过程具有显著的强非线性和长依赖性特征，但传统机理模型面临参数获取难、计算复杂等挑战。以典型BRF——雨水花园为例，提出一种融合长短期记忆网络（LSTM）与Transformer的混合深度学习土壤湿度预测模型，使用易于获取的日尺度气象与土壤数据作为输入，在训练集、验证集、测试集上的纳什效率系数(N

NSE

)分别达到0.987、0.712、0.896

能够有效捕捉降雨后的土壤湿度快速响应与干旱期的缓慢消退等典型过程。研究结果为BRF土壤湿度预测提供了一种结构清晰、计算高效且适用于实际工程的解决方案，不仅有助于提升雨水花园等海绵设施的水文性能评估与运行管理智能化水平，也为类似绿色基础设施的动态监测与预测提供了可借鉴的方法框架，具有较好的推广应用前景。

Abstract

关键词

Keywords

references

Derek Schlea,Jay F. Martin,Andrew D. Ward,Larry C. Brown,Stephanie A. Suter.Performance and Water Table Responses of Retrofit Rain Gardens[J].Journal of Hydrologic Engineering,2013.

潘国艳,夏军,张翔,王红萍,刘恩民.生物滞留池水文效应的模拟试验研究[J].水电能源科学,2012(05).

王建军,李田.雨水花园设计要点及其在上海市的应用探讨[J].环境科学与技术,2013(07).

李家科,张兆鑫,蒋春博,王书敏.海绵城市生物滞留设施关键技术研究进展[J].水资源保护,2020(01).

石明明,王晓敏,周秉荣,韩炳宏,史飞飞,陈奇.高寒草原根系层土壤水分动态及其对降雨格局的响应[J].生态环境学报,2020(09).

吴昕宇,张清涛,黄思宇,王志强.超纤渗灌对绿色屋顶土壤水分和蒸散发的影响[J].农业工程学报,2022(02).

白辰甲,许华哲,李学龙.大模型驱动的具身智能:发展与挑战[J].中国科学:信息科学,2024(09).

黄一凡,张翔,邓梁堃,李宜伦,刘浩源.基于机器学习的汉江流域径流模拟与时滞变化分析[J].水资源保护,2024(06).

张翔,丁晶.神经智能信息处理系统的研究现状及其在水文水资源中的应用展望[J].水科学进展,2000(01).

Views

196

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

耦合Transformer-BiGRU和SWAT模型的淮河流域月径流预测研究

基于CNN-LSTM模型的城市洪水二维时空预测研究

基于深度学习模型的中小河流洪水模拟

数据驱动的缆机吊运混凝土入仓单循环时间预测模型

基于TCN-Transformer的水电机组振动状态预测方法

Related Author

刘晓丽

汪世君

封天雨

初翔宇

赵鑫

王慧妍

韩冠宇

王浩正

Related Institution

安徽农业大学机械与车辆工程学院

中国市政工程华北设计研究总院有限公司

河海大学水文水资源学院

郑州大学黄河实验室

三峡大学水利与环境学院

AI问答

⁰