水文流量预测技术是一种在水文环境领域,利用水文环境中的气候等特点,实现对河流中的流量预测。其中,GWLF技术的使用非常广泛,这种方法使用数学模型的方式,通过水文、气候等条件数据的输入,对整个过程模拟,进行水文流量的预测。数学模型的使用需要进行参数校准,但是这种水文预测的方法存在不确定性,原因在于模型参数的调整结果存在不确定性,预测的效果有待提升。因此,本文主要内容是提高水文流量预测的效果。本文主要提出了两种解决方案。在数据规模较大的情况下,可以直接使用LSTM训练预测模型,从而进行水文流量预测,实现其预测结果的提升。模型中有很多小的预测单元。这些单元的目标是通过第一天的气象真实值与流量真实值,预测第二天流量。然后将预测得到的第二天的流量值与气象真实值作为输入数据,预测第三天的流量值,以此类推。最后将预测得到的每日流量数据进行月平均计算。在数据集较小的情况下,可以使用策略梯度的方式,在原有模型基础上进行参数调优。GWLF使用的数学模型需要很多的模型参数,主要通过对数据的学习得到最优的一组参数。基于LSTM预测水文流量的方法在效果上与GWLF方法相比,其实验结果有一定的提高。使用策略梯度的方法进行GWLF的调参,最后结果表明,调参效率也有较明显的提升。为水文流量预测方面以及环境保护方面有重要意义。