在深度学习中，长短期记忆网络（LSTM）和门控循环单元（GRU）是两种模拟时间序列、循环神经网络（RNN）的主要基础结构，各有优缺点。为弥补二者的不足，提高河流流量的预测精度，建立了LSTM-GRU复合模型，并用于海河流域大清河水系白沟河流域流量的预测。基于东茨村水文站2006—2019年的日观测数据，以8个水文气象因子（气压、水温、相对湿度、降水量、日照、地温、风速、水位）的观测数据为输入，河流流量为输出，建立LSTM-GRU水文模型。为验证该模型的优势，将LSTM-GRU的模拟结果分别与LSTM和GRU的结果进行比较。结果表明，LSTM-GRU复合模型的稳定性和精确度明显优于单一的LSTM或GRU模型，为河流流量预测提供了一个更精准的方法。
