《Journal of Water Process Engineering》:A conservative interpretability framework for attention-based multi-step river water-quality prediction
编辑推荐:
•一种时空Transformer-GCN模型可预测未来10天的BOD、COD、TN和TP数值。•模型训练使用了来自51个监测站的5年每日数据集。•通过保守解读注意力权重来确定上游重点区域。•通过IC、ICP-OES和EEM-PARAFAC等实验室检测方法对重点区域进行验证。•基于
- •
一种时空Transformer-GCN模型可预测未来10天的BOD、COD、TN和TP数值。
- •
模型训练使用了来自51个监测站的5年每日数据集。
- •
通过保守解读注意力权重来确定上游重点区域。
- •
通过IC、ICP-OES和EEM-PARAFAC等实验室检测方法对重点区域进行验证。
- •
基于注意力的分析结果与水文过程规律一致。
引言
地表水环境与公众健康及生态系统稳定性密切相关。河流与水库的水质管理被视为水资源管理的核心组成部分[1]、[2]、[3]、[4]。在上游河流网络与下游水库存在水文连接的河库系统中,水质状况受复杂的上游相互作用影响,而预测方法逐渐被认定为支持主动水资源管理的重要工具[4]。因此,各种机器学习与深度学习方法被用于水质预测,包括随机森林、极端梯度提升、长短期记忆网络(LSTM)和双向LSTM,这些方法在预测精度上相较于传统统计方法有了显著提升[5]、[6]、[7]。
近年来,多步水质预测的重要性日益凸显,这类预测着眼于多个未来时间步的水质变量,而非仅预测下一个时间步的数值,因为此类预测有助于制定管理策略,包括污染控制政策评估以及对异常水质事件的快速响应。在作为饮用水源的河库系统中,上游的水质变化会随着水力停留时间的影响向下游扩散;例如,属于河流型水库的朴塘水库,其平均水力停留时间为3–7天[8],就需要通过多步预测来为调整水处理流程、协调上游排水以及提前发布藻华预警等应对措施提供足够的时间[9]。为此,多种深度学习架构被提出用于多步时间序列预测[10]、[11]、[12]、[13]。与此同时,图卷积网络(GCN)等基于图的方法也被整合到时间序列模型中,用以同时考虑河流网络中的时间与空间依赖关系[14]、[15]、[16]、[17]。最近,结合注意力机制或基于Transformer的编码器与图神经网络的架构进一步提升了时空水质预测的能力[18]、[19]、[20]、[21]。
尽管预测性能有所提升,但用于水质预测的深度学习模型通常被视为“黑箱”,其内部表示的可解释性已成为一个重要问题[22]、[23]。由于水质管理与水资源管理涉及直接关系到公共安全的高风险决策,可解释性与透明度现已被视为不可或缺的要求,而非可选属性[24]、[25]、[26]。为解决这一难题,可解释人工智能(XAI)技术已被广泛应用于各类水质预测研究之中。基于Shapley加性解释法的特征重要性分析被用来识别起主导作用的输入变量,并量化它们对预测结果的贡献[27]、[28]、[29]、[30],而结合多种事后解释方法的技术,如偏依赖图和累积局部效应分析,则能更全面地描述预测因子与响应之间的关系[31]、[32]。此外,将特定领域的物理知识融入模型解释的过程,进一步拓展了水质应用中的可解释性范围[33]、[34]。
这些基于XAI的方法为理解预测模型的内部决策过程提供了有价值的见解[30]、[35]。不过也有研究表明,基于XAI的解释方法本质上仅限于在模型训练所用变量中可识别的模式,因此这类解释更适合作为辅助理解物理过程的工具,而非确定因果关系的最终依据[38]。
为解决这一问题,人们通常通过模型解释结果与已知物理规律或现有监测数据的一致性来对其加以评估,而将基于物理的水文模型与机器学习相结合的研究则进一步拓展了模型解释的范围,使其能够更好地反映环境过程的实际情况[36]、[37]。在此基础之上,本研究采用了一种更为保守的模型解释方法:通过空间注意力权重来确定需要优先调查的上游区域,每个区域对应一个由特定监测站所代表的河流段,从而有针对性地进行实地考察,而非对整个流域进行全面调查。这种优先级划分有助于高效地对饮用水源进行监测,同时在这些优先区域开展的独立化学分析则能提供超出模型训练变量范围的补充信息。
因此,本研究提出了一种水质预测框架,该框架既支持对模型输出结果进行保守解读,也便于对确定的优先上游区域开展实地调查。该框架被应用于位于汉江北支流与汉江南支流交汇处的韩国朴塘水库[39]、[40]。作为该大都市区的核心饮用水源,朴塘水库一直处于密集的水质监测与化学分析之下[41]、[42],同时也成为了众多数据驱动型水质预测研究的对象[43]、[44]。在该框架中,时空Transformer-GCN(ST-GCN)被用来体现时空依赖关系以及河流网络从上游到下游的方向性。该模型被用于预测朴塘水库未来最多10天的水质指标,同时通过分析时空注意力权重来确定需要优先调查的上游区域。随后,对这些优先区域通过独立于模型输入变量的分析方法进行实地研究,包括离子色谱法(IC)、电感耦合等离子体光学发射光谱法(ICP-OES)以及激发-发射矩阵平行因子分析法(EEM-PARAFAC),以此识别那些无法仅通过常规监测参数发现的污染源特征。除了在模型输入数据集范围内进行的定量分析,如特征归因分析之外,本研究还探索了另一种互补方法,即通过对高注意力区域开展独立实地调查,从而为河流水资源管理提供更有依据的决策支持。
章节摘要
研究概述
本研究旨在通过整合预测建模、确定重点管理区域以及识别主要污染源,为朴塘水库的水质管理提供科学支撑。整体工作流程包含四个部分,如图1所示。研究区域涵盖了为朴塘水库提供水源的汉江北支流与汉江南支流系统,而时空水质数据集则是从水环境信息系统(WEIS)中提取的。
ST-GCN模型与基准模型的预测性能
图3展示了BOD(图3a)、COD(图3b)、TN(图3c)和TP(图3d)在τ=1–10天内的预测性能,详细指标见表S4–S7。图3a–d中的性能曲线是基于在相同条件下进行的十次重复训练得出的,其中以中位数作为代表性性能指标。总体而言,ST-GCN在各个预测时间范围内都保持了稳定的性能趋势,且其在大多数指标上的预测性能均优于基准模型。
结论
本研究提出了一种ST-GCN框架,该框架将STT编码器与单向GCN解码器相结合,通过明确表达有向河流网络中的上下游信息传递过程,来实现河流水质的预测。该模型利用汉江北支流与汉江南支流系统内51个监测站的每日观测数据,预测朴塘水库未来最多10天的BOD、COD、TN和TP数值。实验结果表明,ST-GCN具有更优异且更为稳定的预测性能。
CRediT作者贡献说明
Inho Choi:撰写——初稿撰写、数据收集、概念构思。Byung-Moon Jun:撰写——审稿与编辑、研究指导、项目管理、资金申请。
致谢
本研究得到了韩国政府科技信息通信部资助的韩国国家研究基金会(NRF)的资助(项目编号:RS-2025-00554489)。此外,本研究还获得了韩国能源技术评价与规划院(KETEP)以及韩国贸易、工业和能源部(MOTIE)的支持(项目编号:RS-2022-KP002704)。
Inho Choi|Byung-Moon Jun