摘要(Abstract)：
为了推动我国水文工作智能化，提高水文工作效率，以黄河流域为例提出黄河流域水文深度学习架构，将黄河作为一个综合的非线性复杂动力学系统，应用深度学习技术实现对黄河流域的建模及数据的深度挖掘；利用深度卷积神经网络和深度循环神经网络模型，将深度学习技术应用于黄河流域的图像识别处理、水文预报和水资源公报等水文工作；利用深度学习算法优化黄河流域调水调沙、防洪减灾和综合治理等工作；研发黄河治理深度学习架构软件，用于黄河流域的水文工作、综合治理；阐述当下以及未来深度学习技术在水文工作中的应用，利用深度学习挖掘有用数据，辅助水文工作人员工作，创造更大价值。
关键词(KeyWords)： 水文;深度学习架构;深度学习算法;黄河流域;数据挖掘;人工智能
基金项目(Foundation): 国家自然科学基金项目(51909104);; 山东省自然科学基金项目(ZR2019BEE064)
作者(Author):何元翠,桑国庆,程亮,尚华奇
DOI: 10.13349/j.cnki.jdxbn.20211104.001
参考文献(References)：
[1] 郜国明.黄河治理人工智能体系设想[J].人民黄河，2002,24(9):3-5,9.
[2] 郑茹楠，王亮.深度学习在水文工作中的应用探讨[J].河南水利与南水北调，2017,46(11):29-30.
[3] 王军.新一代信息技术促进黄河流域生态保护和高质量发展应用研究[J].人民黄河，2021,43(3):6-10.
[4] 王博超.基于深度学习的自然场景图像文字检测与识别技术研究[D].北京：北京工业大学，2018.
[5] 郑凯辉，黄培建.基于卷积神经网络的监控图像智能分析系统?[J].广播与电视技术，2021,48(1):136-142.
[6] ALARIFI A S N,ALARIFI N S N,AL-HUMIDAN S.Earthquakes magnitude predication using artificial neural network in northern Red Sea area[J].Journal of King Saud University:Science,2012,24(4):301-313.
[7] 王志红，孙超.地表水质监测模型中的几种人工智能方法[J].工业水处理，2007,27(2):13-16.
[8] LYU X,SU M X,WANG Z K.Application of face recognition method under deep learning algorithm in embedded systems[J].Microprocessors and Microsystems,2021:104034 (2021-01-19) [2021-01-28].https://www.sciencedirect.com/science/article/pii/S0141933121002064.DOI:10.1016/j.micpro.2021.104034.
[9] 龚亮.深度学习法在水文中应用的现状[J].河南水利与南水北调，2020,49(4):33-34.
[10] 孙涛，王雷，付文博，等.深度学习在水利行业上的应用综述[J].中国农村水利水电，2018(12):90-93,100.
[11] 梁建林，樊万辉.黄河下游基层河务局防汛决策系统的建立[J].人民黄河，2006,28(8):13-14.
[12] PHAM B T,LUU C,PHONG T V,et al.Can deep learning algorithms outperform benchmark machine learning algorithms in flood susceptibility modeling?[J].Journal of Hydrology,2021,592:125615.
[13] 谢超颖，王晓蕾，郭恒亮，等.清潩河流域水资源综合管理和决策系统[J].人民黄河，2018,40(6):87-90.
[14] 白晓旺，贾煊赫.我国洪涝救助中NGO的作用与困境：以2018年山东寿光洪灾为例[J].水资源开发与管理，2019(9):66-69.
[15] 孙其龙，王哲嵘，朱一飞.黄河下游调水调沙效能与对策探析[J].黄河水利职业技术学院学报，2011,23(2):16-17,20.
[16] 何予川，崔萌，刘生云，等.黄河下游河道治理战略研究[J].人民黄河，2013,35(10):51-53.
