適応的信号分解と時空間特徴抽出を統合した動的降雨流出予測のための解釈可能なディープラーニング

科学分野:

• 水文学および水資源工学
• 環境科学
• データサイエンスおよび機械学習

背景:

• 正確な流出予測は、効果的な水資源管理のために不可欠です。
• 流出データは、複雑な空間的および時間的要因により、複雑な非線形および非定常特性を示すことがよくあります。
• 既存のモデルはこれらの複雑さを捉えるのに苦労しており、予測精度が制限されています。

研究 の 目的:

• 適応的信号分解と時空間特徴抽出を統合した、改良された降雨流出予測モデルを開発すること。
• 流出予測モデルの精度と解釈可能性を高めること。
• 複雑な非線形時空間データのモデリングに関する洞察を提供すること。

主な方法:

• 多スケール信号分解およびノイズ除去のための適応的粒子群最適化変分モード分解（APSO-VMD）。
• 時間的依存関係および空間的駆動関係を捉えるための時空間的注意メカニズム。
• 動的な降雨流出関係モデリングのためのゲート付き再帰ユニット（GRU）。

主要な成果:

• 提案されたモデルは、さまざまな予測ホライズンにおいて、従来のモデルおよび組み合わせモデルを大幅に上回りました。
• NSE = 0.9977 および RMSE = 1.1793 で、短期予測における例外的なパフォーマンスを示しました。
• データ分解モジュールは最も強い主効果（最大62.1%）を示し、時空間特徴抽出との相互作用によって有意な貢献がありました。

結論:

• 統合アプローチは、流出データの非線形および非定常の性質を効果的に処理します。
• このモデルは、降雨流出予測のための精度と解釈可能性を向上させます。
• 本研究は、複雑な時空間的水データをモデリングおよび予測するための堅牢なフレームワークを提供します。