Page 209 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 单 晶等：城市内涝 ChebNet-LSTM 积水预测模型 1231

图 4 部分监测站点积水深度和降雨量随时间变化图
Fig. 4 Graph of Water Depth and Rainfall Variation over Time at Selected Monitoring Stations

的积水预测能力，虽然部分站点的预测值与真实
值的匹配度相对较高，但仍有一定程度的偏离，预
测趋势和峰值预测方面有待提升，后续可通过补
充积水数据、调整模型参数以及引入相关特征等
手 段 来 提 高 模 型 对 积 水 深 度 的 预 测 能 力 。 从
STGCN 模型积水深度预测结果可知，STGCN 模
型在积水深度预测任务中整体表现不佳，同样也
是在积水峰值处，预测值和实际值差别较大，特别
是 3 号、4 号、6 号 3 个站点在 80~120 h 时，完全没
有预测出与实际值相同的趋势。对比不同模型相
同站点间的预测效果可以看出，ChebNet-LSTM
模型的预测趋势与真实值最接近。以 4 号站点为
图 5 节点关系矩阵
例 ，在 80~120 h 这 段 时 间 ，GAT、LSTM 和
Fig. 5 Node Relationship Matrix
STGCN 模型的预测值基本为 0，与真实值差别很
2.3.2 模型积水深度预测结果 大，显然 ChebNet-LSTM 模型预测出的结果与真
采用 4 种模型对测试集中 15 个监测站点的 实值更接近，趋势基本保持一致。
积水深度进行预测，为清晰展示结果，图 6 选取其 表 1 为融合时空特征的 ChebNet-LSTM 模型
中 8 个代表性站点的预测效果进行可视化，并将 预测结果中各站点的预测误差。其中 0 号和 7 号
预测值与实际观测值进行对比分析。 两个监测站点的 MAE 最小，为 0.14 cm，9 号监测
从 ChebNet-LSTM 模型积水深度预测结果可 站点的 MAE 最大，达到 3.74 cm。12 号监测站点
知，大部分站点的积水深度预测值整体走势和实际 的 MAPE 最小，为 1.60%，9 号监测站点的 MAPE
值基本一致，部分存在偏差。从 GAT 模型积水深 最大，达到 25.17%。0 号和 7 号两个监测站点的
度预测结果可知，总体预测效果不佳，在积水峰值 RMSE 最小，为 0.33 cm，9 号监测站点的 RMSE 最
处，预测值与真实值有偏差，或高或低；大部分站点 大 ，达 到 4.93 cm。 由 此 可 以 得 出 ，ChebNet-
基本没有预测出积水峰值，难以精准捕捉峰值高 LSTM 模型对 0 号和 7 号监测站点的预测效果较
度；站点积水深度预测值的整体走势和实际值存在 好，对 9 号监测站点的预测效果最差。模型对不同
偏差，后续可以通过调整 GAT 模型的参数（如改 站点的预测效果不同，ChebNet-LSTM 模型考虑
变图注意力机制权重、增加训练的轮数）等相关数 到各监测站点之间的位置关系，所以站点的地理
据辅助预测。从 LSTM 模型积水深度预测结果可 位置可能会导致其预测效果不同。此外，不同站
知，11 号站点的预测效果较好，偏差很小；大部分 点的数据质量不同，有些站点数据可能噪声较多，
站点的预测值和真实值之间存在明显偏差，且普遍 有些站点数据可能符合模型的假设较好，导致误
存在对积水峰值低估的问题。LSTM 模型有一定 差 较 小 。 总 体 来 看 ，融 合 时 空 特 征 的 ChebNet-