1 论文标题：基于卷积神经网络和长短期记忆网络的坝上水位精细化建模方法

2 作者信息：席荣光, 申建建*：大连理工大学建设工程学院，辽宁 大连；王 祥, 郭 乐：中国长江电力股份有限公司梯级调度通信中心，湖北 宜昌

3 出处和链接：席荣光, 申建建, 王祥, 郭乐. 基于卷积神经网络和长短期记忆网络的坝上水位精细化建模方法[J]. 水资源研究, 2024, 13(2): 1-8.

4 摘要：坝上水位是水电站调度运行的重要依据，然而受调峰非恒定流的影响，传统插值计算的水电站坝上水位与实际值存在较大的误差，不利于水库水位的精细控制和实际调度。本研究采用最大互信息系数探索水电站坝上水位变化的关联因素，并提出一种基于深度学习的CNN-LSTM模型计算方法，实现了准确计算受调峰非恒定流影响的水电站坝上水位。为验证本文所提模型的有效性，将其与传统法在三种评价准则进行对比，结果表明，所提的CNN-LSTM模型在汛期和枯水期的各种评价准则下均优于传统法，模型计算结果更接近实际坝上水位。本文所提模型在水电运行时可有效避免计算水位不准确带来的控制风险，降低水电站运行风险。