摘要
重叠的预测窗口可能会掩盖事件档案的有限独立性。我们使用红旗塔水文站2016年至2025年期间41个事件的2039条记录，评估了七种模型。遥测水位在2023年之前统一加上0.665 m进行协调处理。1 h、3 h、6 h和12 h的预测分别采用12 h或24 h的输入数据。主要验证在2016年至2023年数据上训练，在2024年数据上验证，并在2025年的七个事件上进行测试。五项神经网络种子、事件级别评估、重复的事件不相交分区，以及时间和样本支持敏感性分析用于评估模型的稳健性。在12 h输入条件下，岭回归（Ridge）1 h预测的均方根误差（RMSE）为0.107 m，纳什-萨特尔克利夫效率（NSE）为0.908；卷积神经网络-长短期记忆网络（CNN-LSTM）的RMSE为0.119 ± 0.012 m。表现最好的平均排名6 h和12 h配置仍保持负NSE。在六个事件上匹配1 h目标时，CNN-LSTM严格优于随机的平均事件RMSE差值为0.023 m（探索性95%自助法区间：0.003–0.047 m）。该差值在不同配置间存在差异。2025年没有观测值超过31.50 m的蓝色警戒线。研究结果支持采用事件感知方式评估本地水位预测，但并未确立跨流域的泛化能力或预警检测能力。
