一种面向干旱区的径流预测方法,融合物理引导的信号提取与时间自适应特征选择

《Journal of Hydrology: Regional Studies》:A runoff prediction method for arid regions integrating physics-guided signal extraction and temporally adaptive feature selection

【字体: 大 中 小 】 时间:2026年01月09日 来源:Journal of Hydrology: Regional Studies 4.7

编辑推荐:

  研究区域:大黑河流域,位于中国西北干旱区,经历强烈的水文非平稳性。气候变率和强烈的人类干预共同改变了径流情势。有限的工程运行数据进一步增加了预测不确定性。该流域是测试自适应和可解释径流预测方法的代表性案例。研究焦点:研究人员提出了一个可解释的径流预测框架,融合

  
研究区域:大黑河流域,位于中国西北干旱区,经历强烈的水文非平稳性。气候变率和强烈的人类干预共同改变了径流情势。有限的工程运行数据进一步增加了预测不确定性。该流域是测试自适应和可解释径流预测方法的代表性案例。研究焦点:研究人员提出了一个可解释的径流预测框架,融合了物理引导的信号提取和时间自适应特征选择。一个经过校准的半分布式水文模型分离了人类影响并构建了可学习的调控信号。一种扩展窗口递归特征消除与交叉验证(EW-RFECV)策略在训练窗口逐年扩展时识别关键驱动因素。这实现了流域调控动态的时间自适应识别。来自物理和机器学习组件的不确定性都被量化以验证双组件的鲁棒性。在测试中,下游断面达到了纳什效率系数(NSE)=0.68和克林-古普塔效率系数(KGE)=0.84,超过了调优的长短期记忆网络(LSTM)0.56和0.76。在±10%参数和±5%输入扰动下,性能下降保持在8%以下。该区域的新水文见解:夏普利加法解释(SHAP)分析揭示了年度记忆效应和基于阈值的调控行为。当自然径流超过2.15 m3/s时,系统从放水转变为蓄水,与龙胜水库观测一致。这些发现证实该框架在数据稀缺条件下有效捕获了水文-工程耦合。它为干旱流域的可解释径流预测和自适应水管理提供了实用路径。
论文解读文章

研究背景:
气候变化与人类活动是重塑全球水文过程的主要驱动力,尤其在干旱半干旱地区,气候导致的年均径流减少约为10%–20%,而人类活动(如水库调度、跨流域调水、工农业取水)可贡献60%–80%的径流变化。这些活动将区域水循环从自然系统转变为与人类用水需求紧密耦合的“自然-社会”二元系统。然而,关键调控数据的缺失使得准确识别人类活动对径流的影响模式成为干旱区可持续水资源管理的核心挑战。传统水文模型虽能表征物理机制,但在参数化复杂人类干预(特别是动态工程运行)方面面临困难,需要大量时空监测和运行数据,这些数据在许多区域往往不可得。数据驱动模型(如机器学习、深度学习)能够挖掘隐藏的非线性关系,但通常作为“黑箱”运行,缺乏物理可解释性。因此,平衡物理约束与可解释性成为径流预测研究的关键问题。近年来,物理引导机器学习(PGML)通过将水文理解嵌入数据驱动架构,但多数方法强调自然过程,依赖静态约束或单阶段后处理,难以表征物理与人为驱动因素随时间共同演化的特征。为此,研究人员提出了一种面向干旱区的可解释径流预测方法,相关成果发表在《Journal of Hydrology: Regional Studies》。

研究人员开展了什么研究?
本研究以中国西北干旱区的大黑河流域为案例,该流域经历了强烈的水文非平稳性,气候变率与人类干预(三大水库、渠道引水、跨流域调水等)共同改变径流情势,且工程运行数据缺失。研究人员提出了一种融合物理引导信号提取与时间自适应特征选择的可解释径流预测框架。首先,利用经过校准的WAS半分布式水文模型分离人类影响,将模拟的自然径流与实测径流之差作为可学习的人类活动信号(Target)。其次,构建了涵盖水文气象驱动、系统状态记忆、管理行为记忆的多维候选特征集,并通过扩展窗口递归特征消除与交叉验证(EW-RFECV)策略,在逐年扩展的训练窗口中动态识别最优特征子集。然后,采用多种机器学习模型(随机森林RF、多元线性回归MLR、XGBoost、AdaBoost、长短期记忆网络LSTM)进行预测,并运用夏普利加法解释(SHAP)进行可解释性分析。最后,通过蒙特卡洛模拟和噪声扰动测试,量化了物理模型参数不确定性和机器学习组件输入噪声对预测的影响。数据来源包括:中国水文年鉴(降雨、蒸发、月径流)、中国气象局气象数据(1980–2000)、中国30米年度土地覆盖数据集(1990–2022)、HWSD 2.0土壤数据集、国家高分辨率空间水库数据集(CRD)等公开数据集。方法的一个关键优势是不依赖水基础设施的实时运行记录。

研究结果:

4.1 重建径流过程:通过EW-RFECV-ML方法重建了2006–2021年径流序列。测试期(2017–2021)内,上游QiXiaYing站NSE和KGE均达0.88,下游SanLiang站NSE=0.66, KGE=0.71。重建径流与实测吻合良好,尤其在峰值流量和基流动态捕捉上,且与自然径流的显著差异反映了强烈的人类干预。

4.2 验证EW-RFECV-ML方法:通过64组消融实验和与超参数优化LSTM(HPO-LSTM)的对比,逐项评估了动态时间信息、RFECV和扩张窗口(EW)的贡献。加入历史滞后项后,模型AE_B的NSE从0.24提升至0.49;加入特征选择后,AE_A进一步提升至0.55;完整EW-RFECV-ML方法达到0.59(下游站均值)。在下游WestIIRiver和SanLiang站,MLR模型表现优于RF,平均NSE=0.68, KGE=0.84,比HPO-LSTM分别高出0.56和0.76,表明人类调控主导的区域更适合线性规则捕捉。仅依赖静态自然特征的消融模型C和HPO-LSTM出现负NSE值,凸显传统方法的局限性。

4.3 模型鲁棒性分析:物理模型参数在±10%扰动下,164个行为模型模拟的Target信号95%预测带宽度窄(各站相对宽度1.6%–13.2%)。以该不确定界作为应力测试输入,下游站最大NSE下降4.5%(SanLiang站KGE下降4.2%)。机器学习组件在±5%高斯噪声下,各站ΔNSE≤0.04,ΔKGE≤0.06,表明双重鲁棒性良好。

4.4 驱动因素与运行规则分析:4.4.1 EW-RFECV识别的最优特征子集显示,“natural_flow”被所有站选中;“measured_flow_t-1”和“Target_t-12”在三个站被选中,反映动态调控与管理记忆。年度分析(2017–2021)表明,核心特征(natural_flow, measured_flow_t-1, Target_t-12)每年均被选中,而气候特征rainfall在干年(2017, 2020)重要性下降,湿年(2018–2019)上升,体现方法自适应捕捉气候波动与人类干预的联合影响。4.4.2 SHAP分析揭示了阈值型调控行为:QiXiaYing站当natural_flow超过2.15 m3/s时,其SHAP值由负转正,表明系统从放水转为蓄水,与龙胜水库观测一致;下游WestIIRiver站natural_flow阈值约为3.91 m3/s。measured_flow_t-1也呈现类似的阈值反馈。这些结果证实了方法对水文-工程耦合的捕获能力。

4.5 时间窗口敏感性分析:比较季度(3个月)、年度(12个月)、双年(24个月)三种更新步长,年度更新方案平衡了响应性与稳定性,平均NSE=0.69, KGE=0.78,标准差最小(NSE标准差0.14),被选为默认配置。

总结讨论部分:
讨论指出,EW-RFECV通过外层逐年扩展窗口和内层递归特征消除,有效应对水文非平稳性与特征冗余。SHAP分析揭示的阈值模式与水库运行记录一致,而核心特征稳定但气候特征动态变化,说明驱动因素持续演化,支持扩展窗口学习。模型在参数和输入噪声下的鲁棒性表明其有效抑制了虚假相关。年度记忆效应(Target_t-12被多次选中)反映了以自然年为单位的水资源分配与调度周期。空间异质性表现为上游适合RF(非线性过程),下游适合MLR(近线性调控规则)。阈值概念(如2.15 m3/s)为水库运行提供了量化参考。局限性包括区域验证需扩展至其他干旱/灌溉/城市化流域,以及人类活动信号中混杂了水文模型结构误差,未来需利用独立运行记录或多模型集合改进。

研究结论翻译:
干旱流域的径流过程受气候变率和强烈人类调控共同作用,导致显著的水文非平稳性。为应对数据稀缺和动态管理效应,本研究开发了一种基于扩展窗口递归特征消除与交叉验证(EW-RFECV)的时间自适应且可解释的径流预测方法。尽管重建的径流在统计上保持稳定,但潜在的气候和人为驱动因素表现出清晰的非平稳行为,突显了扩展窗口学习在受调控干旱流域中的重要性。主要发现总结如下:(1)EW-RFECV有效识别时变驱动因素,捕获流域的“物理响应-管理记忆”结构。通过年度扩展窗口更新和递归特征消除,该方法在2017–2021年间一致识别出核心特征(自然流量、实测流量滞后一期、Target滞后12期),反映了流域调控的时间稳定性和年际记忆效应。气候特征降雨的选择频率在干湿年份间变化,表明该方法自适应地捕捉了气候波动与人类干预的联合影响,有效连接了动态管理信号与水文响应。(2)即使存在参数和数据不确定性,模型仍实现稳定预测性能。下游断面获得NSE≈0.68、KGE≈0.84。在±10%物理模型参数扰动下,模型性能退化有限(例如,NSE和KGE的最大下降分别为6.2%和7.7%)。此外,在±5%输入噪声下,性能指标变化可忽略(绝对ΔNSE≤0.04),证实了物理和数据驱动组件均具有强鲁棒性。(3)年度滞后特征(Target_t-12)和阈值揭示了可解释的调控机制。约2.15 m3/s的自然径流阈值对应于龙胜水库观测到的蓄放水转换,验证了方法的可解释性。时间窗口敏感性分析进一步表明,年度更新步长在响应性和稳定性之间实现了最佳权衡。总之,所提方法为复杂干旱区流域的径流预测提供了一种有效且可解释的途径。它可迁移至灌溉和城市化系统,通过整合多源数据来捕捉人类调控模式。与实时水文平台相结合,为智能水管理和动态决策支持提供了实用基础。此外,所识别的阈值可支持自适应水库运行和流域尺度分配规划,为水资源管理者提供切实价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号