数据驱动模型后处理：提升无资料流域日径流预测精度的关键

在水资源规划管理中，无资料流域径流预测（PUB）面临挑战。研究人员开展利用数据驱动模型（DDM）作为后处理器提升 PUB 性能的研究。结果表明，该方法能提高预测精度，对水资源管理意义重大。

　　在水资源管理的大舞台上，精准预测无资料流域的径流如同解锁宝藏的关键密码。无资料流域径流预测（Prediction in Ungauged Basins，PUB）一直是水资源规划和管理领域的 “硬骨头”。传统的过程基模型（Process - based Models，PBMs），虽能考虑气候与地理因素的复杂交互，但在数据稀缺和区域化问题突出的地区，表现大打折扣。数据驱动模型（Data - driven Models，DDMs）虽崭露头角，却也存在在极端条件下预测困难等问题。因此，探索新的方法提升无资料流域径流预测的准确性迫在眉睫。

来自韩国环境部洛东江防洪办公室预测与控制司和釜庆国立大学地球环境系统科学系（环境工程专业）的研究人员，针对这一难题展开研究。他们提出利用数据驱动模型作为后处理器，增强过程基模型或数据驱动模型在无资料流域径流预测中的性能，并探究其适用性。该研究成果发表在《Heliyon》杂志上。

为开展此项研究，研究人员运用了多种关键技术方法。数据方面，收集了韩国 28 个流域 2001 - 2021 年的日径流观测数据、气象数据，以及卫星数据（如叶面积指数 LAI）。模型构建上，选用简约生态水文模型（Parsimonious EcoHydrologic Model，PEHM）作为过程基模型，长短期记忆网络（Long Short - Term Memory，LSTM）和随机森林（Random Forest，RF）作为数据驱动模型。采用留一法交叉验证（Leave - one - out cross - validation，LOOCV）训练和评估模型，并使用多种性能指标（如决定系数R2、纳什效率系数 NSE、克林格 - 古普塔效率系数 KGE、偏差百分比 Pbias）来对比不同方案的性能。

1. 无资料流域预测性能总结

研究人员利用经卫星数据校准的过程基模型（PEHM）和整合多流域信息训练的数据驱动模型（LSTM）预测无资料流域径流，再结合随机森林（RF）进行后处理。结果显示，各方案平均性能指标均大于 0.5 ，意味着模型预测效果较好。

2. 无资料流域的径流预测

• 独立模型预测：对比 PEHM（方案 H）和 LSTM（方案 L），发现 LSTM 的平均预测性能在R2和 NSE 指标上更优，但 KGE 指标低于 PEHM。这表明两种模型因计算方法和训练系统不同，在预测无资料流域径流时各有优劣。
• 混合模型预测：研究发现，RF 后处理对 PEHM（方案 H 和 HR）的平均性能提升不显著，但能缩小不同流域性能指标的差异，使结果更稳定。对 LSTM（方案 L 和 LR）而言，RF 后处理显著提高了 KGE 值，改善了预测的均值和标准差。综合 PEHM 和 LSTM 预测结果进行 RF 后处理的方案 HLR，在R2、NSE 和 KGE 指标上表现最佳，说明该方案具有较强竞争力。
• 不同水文条件下的预测比较：通过计算不同水文条件下的 Pbias 来对比预测性能，发现 RF 后处理在高流量和中流量条件下表现较好，但在低流量条件下存在局限性，LSTM 在低流量条件下表现相对较好。这是因为 RF 的平均化操作影响了对极端值的预测，且低流量时误差对性能影响更大，同时还受观测误差的干扰。

3. RF 或 LSTM 后处理

与 RF 后处理相比，LSTM 后处理提高了预测与观测的相关性，提升了R2和 NSE 指标，但 KGE 值下降，说明其在均值和标准差的预测准确性上有所欠缺。在 Pbias 方面，RF 在改善总体和中流量预测方面有优势，LSTM 在中低流量条件下表现更优，在低流量预测场景中，LSTM 后处理可能更合适。

4. 地形信息的使用

对比不包含地形信息的方案 L、在循环神经网络阶段添加地形信息的方案 L2 和在后处理阶段添加地形信息的方案 LR，发现添加地形信息对 LSTM 预测无资料流域径流的性能影响不显著，表明地形信息在该模型预测过程中的重要性可能不高，但利用更全面的地形信息或许会有不同结果。

5. 后处理技术在 PUB 中的作用和局限性

后处理技术对提升水文预测模型性能至关重要，RF 后处理能有效改善无资料流域的预测结果，但在低流量预测上存在不足；LSTM 擅长处理低流量预测误差。不同模型可解决预测中不同方面的误差，实际应用时需根据模型输出误差模式选择合适的后处理技术。此外，本研究局限于韩国 28 个具有半湿润水文特征的流域，未来研究应涵盖更多流域，探索不同水文特征下的数据整合方式。

总的来说，该研究表明利用数据驱动模型作为后处理器，尤其是结合 RF 对 PEHM 和 LSTM 预测结果进行后处理，可显著提升无资料流域径流预测的准确性和可靠性。同时，研究也揭示了不同后处理模型在不同水文条件下的优势和局限，为后续研究和实际应用提供了重要参考。未来，随着对不同流域水文过程的深入研究，以及对后处理技术的不断优化，有望进一步提升无资料流域径流预测的精度，为水资源管理和环境保护提供更有力的支持。