基于四种数据增强方法评估气象输入误差对地下水水位随机森林预测的误差传播与不确定性分析

《Scientific Reports》：Input-data perturbation in groundwater level prediction: a controlled experiment on accuracy–reliability trade-offs among data augmentation and Bayesian-type uncertainty estimation methods

　　

摘要

地下水是灌溉和生活用水的主要水资源，特别是在淡水资源稀缺、降雨总量有限的干旱和半干旱地区。因此，监测该水源地的水质和水位参数对于实现最优水资源管理、环境研究、生态系统建模以及生态规划都是必要的。地下水水位（GWL）变化受多种驱动因素影响，包括自然因素和人为因素。这些外部影响给GWL变化引入了相当大的不确定性，在水文模型过程中应予以考虑。本研究报道了一项受控扰动实验，该实验评估了GWL驱动因素（如气象变量）中预设的输入数据误差如何传播至GWL预测结果中。由于所施加的扰动是合成的，而非源自源记录的测量误差特性，该分析被界定为稳健性与误差传播评估，而非对总预测不确定性的验证性量化。三种数据增强方法（抖动法、频域法和测试时增强法（TTA））以及一种源自集成贝叶斯不确定性估计器（IBUNE）框架、但在此实现中未包含其贝叶斯推断步骤的IBUNE型乘法随机输入扰动，被用于将不同水平的噪声引入气象输入变量中。随后采用随机森林（RF）模型利用这些增强数据集以每日时间步长预测GWL，并以一个共享相同时间分区和超参数配置的未扰动RF模型作为基线（测试NSE = 0.885，RMSE = 0.034米）。所有报告的精度指数均指集成平均预测序列，而覆盖率与区间宽度指数则指相应的95%集成区间。抖动法和IBUNE方法提供了更高的点预测精度（NSE和RMSE值分别为0.87和0.036米），同时给出了更窄的不确定性区间，但95%覆盖率较低（抖动法为18.0–24.1%，IBUNE为34.1–36.8%）。频域增强法产生了中等精度（NSE = 0.83，RMSE = 0.041米），同时通过更宽的区间改善了可靠性（覆盖率约61%）。TTA表现出最高的覆盖率（10%噪声水平时为60.7%，40%噪声水平时升至83.6%），区间较宽，且在较高噪声水平下精度有所降低。结果表明，抖动法和IBUNE方法展现出最高的预测精度，而TTA产生了最高的不确定性覆盖率（包含率）。频域法在精度与不确定性之间表现出最平衡的折中效果。与未扰动基线相比，四种方案中无一能提高点预测精度。每种方案均导致NSE下降，最低降幅为10%噪声水平下抖动法的0.004，最高降幅为40%噪声水平下TTA的0.066，因此更宽的区间是以精度为代价换取的，而非伴随精度提升而获得的。由于没有任何配置接近名义上的95%水平，所报告的区间应被理解为扰动引起的分散度度量，而非经过校准的预测不确定性。