近年来，全球气候变化剧烈，极端洪水事件频发，洪涝灾害已经成为制约经济发展、威胁人民财产安全和社会稳定的首要自然灾害。精确有效的洪水预报在洪水预警、洪水风险分析和水库防洪调度中起着至关重要的作用。然而，由于现实的复杂性和技术的限制，实时洪水预报中仍存在许多无法解决的难题。尤其是近年来人类活动加剧，流域内水利工程建设步伐加快，大量径流式电站、大中小型水库、船闸等工程的建设，破坏了流域作为自然系统的天然性。水利工程的建设，极大地影响了自然流域的降雨径流规律，阻断了天然河道的洪水演进过程，基于流域下垫面一致性的历史水雨情资料构建的传统水文模型已难以满足当前水利工程影响下的洪水预报需求，因此，在深入分析人类活动对产汇流规律影响的基础上，对现有预测模型进行改进有着重要意义。

然而，复杂水利工程群调度运行复杂，其实时调度操作是在模型指导的基础上结合个人判断，以适应约束条件、运行目标和具体情况，预先设定的运行规则有时无法适应所有的真实情况。其次，这些水利工程大多缺乏实时运行资料，无法在洪水预报时考虑其蓄泄动态。因此，过程驱动的预报调度模型难以捕捉水利工程影响下降雨与径流之间复杂的非线性关系，使洪水预报具有不同程度的误差。相比之下，数据驱动模型的黑箱模式决定了它不用考虑水资源管理的实际复杂情况，且具有捕捉复杂非线性关系的良好能力，但过度依赖数据导致它们忽略了水文过程中的深层物理机制。

基于上述问题，本研究构建了基于机器学习算法的复杂水利工程群影响下流域洪水预报误差修正方法。同时考虑到水文模型能提供基于物理机制的过程信息，而数据驱动模型可以向水文模型提供水文过程之外的附加信息，本研究提出一个将水文模型和深度学习结合起来的混合模型来解决流域复杂水利工程群影响下的洪水预报难题，即将水文模型无法模拟的复杂水利工程影响作为误差源，采用数据驱动模型修正传统水文模型的模型残差，并将该方法在富春江流域进行应用检验，以提高富春江水库实时洪水预报的准确性，缓解上下游防洪压力，为防洪调度提供决策依据。

本研究项目为复杂流域的实时洪水预报研究，属于水文与水资源工程专业重要研究方向之一。要求学生有参与科研工作的热情，态度认真，有责任心，团队成员需要具备良好的水文专业知识储备，具有较好的团队合作意识，项目中涉及流域相关基础资的整编和处理，因此项目组成员需要具备一定的计算机能力。熟悉一门常用的编程语言（包括但不限于MATLAB、Excel VBA、R、Java、Python等），具有良好的中英文文献阅读理解和写作能力，需要项目组成员能够吃苦耐劳的精神，能够完成指导老师分配的相关工作。