摘要：中小河流具有分布广、产汇流时间短、洪水突发性强、水文资料匮乏等特点，是当前洪水防控的薄弱环节。误差实时校正是提升洪水预报精度的有效途径，针对中小河流洪水预报预见期短、预报精度不高的问题，构建基于深度学习的误差校正模型，利用时空图卷积网络寻找能反映误差序列非线性关系的映射函数，以充分挖掘水文误差序列的时序特征和局部空间特征；提出基于收敛因子和位置更新策略的改进灰狼优化算法搜索时空图卷积网络的超参数，进一步提高模型参数的适用性。实验结果证明了算法在洪水预报实时校正中的有效性和适用性，具有良好的应用前景。
文章目录
0 引言
1 改进灰狼优化算法
1.1 收敛因子改进策略
1.2 位置更新改进策略
2 基于AGWO＿STGCN的误差校正模型
3 实例分析
3.1 研究区域概况
3.2 预报因子确定
3.3 结果与分析
4 总结与展望
