相关实验视频
Updated: Jun 20, 2025

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
水文模型参数区域化:在泰国Tha Chin河流域使用机器学习技术进行流量估计
Phyo Thandar Hlaing1,2, Usa Wannasingha Humphries3, Muhammad Waqas1,2
1The Joint Graduate School of Energy and Environment (JGSEE), King Mongkut's University of Technology Thonburi (KMUTT), Bangkok, 10140, Thailand.
这项研究表明,土壤和水资源评估工具 (SWAT) 与机器学习相结合,可以有效预测未经修复的河流流域的排水情况. 支持向量机模型在区域化参数方面表现最好.
科学领域:
- 水文学的水文学
- 环境建模环境建模
- 水资源管理 水资源管理
背景情况:
- 精确的水文建模对于了解水资源至关重要,尤其是在数据稀缺的未经修复的流域.
- 对于水文模型的参数估计,如土壤和水评估工具 (SWAT),对流水预测提出了重大挑战.
研究的目的:
- 评估SWAT模型在Tha Chin河流域模拟水文过程的能力.
- 评估从测量流域 (Mae Khlong河流域) 区域化水文参数的有效性,用于未测量流域建模.
- 为了比较不同的机器学习 (ML) 技术在参数区域化中的性能,用于流失预测.
主要方法:
- 土壤和水评估工具 (SWAT) 经过校准和验证,使用Mae Khlong河流域的历史水文数据 (1993-2017年进行校准,2018-2022年进行验证).
- 机器学习模型,包括随机森林 (RF),人工神经网络 (ANN) 和支持矢量机器 (SVM),用于参数区域化,以预测未经老化的Tha Chin河流域的下水.
- 模型性能使用统计指标进行评估,主要是确定系数 (R2).
主要成果:
- 对于梅克隆河流域,SWAT模型在校准过程中表现出合理的准确性 (R2 = 0.85),在验证过程中表现出令人满意的性能 (R2 = 0.64).
- 在ML技术中,支持矢量机 (SVM) 模型实现了未老化流域 (R2 = 0.63),略高于随机森林 (R2 = 0.60) 和人工神经网络 (R2 = 0.61) 的最高流水预测准确度.
结论:
- 这项研究证实了使用SWAT模型与基于ML的参数区域化相结合的可行性,以提高未经修复的河流流域的排水预测准确度.
- 这些发现强调了整合水文模型和先进的ML技术的潜力,以改善水资源管理和水文预测.
- 建议进行进一步的研究,将这些综合方法应用于不同的盆地,并增强数据采集策略,以提高模型性能.
更多相关视频
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Typical Model Studies
Design Example: Creating a Hydraulic Model of a Dam Spillway
Modeling and Similitude
Design Example: Design of an Irrigation Channel
Rapidly Varying Flow
Multiple Regression
Farmers can use multiple regression to determine the crop yield based on more than one factor, such as water availability, fertilizer, soil properties, etc. Here, the crop yield is the response or dependent variable as it depends on the other independent variables. The analysis requires the construction of a scatter plot...