降雨-流出过程的深度状态空间模型
机器学习
2025-01-28 v1 人工智能
大气与海洋物理
摘要
研究降雨-流出过程的经典方法依赖于概念模型或基于物理的水力模型。深度学习 (DL) 近期作为一种替代方法在水文学领域崭露头角，广泛应用于降雨-流出模拟。然而，数十年来仍流行的长短期记忆 (LSTM) 网络是该任务的基准，超越了诸如变换器等更新架构。本文提出一种状态空间模型 (SSM)，具体为频率调谐对角状态空间序列 (S4D-FT) 模型，用于降雨-流出模拟。将 S4D-FT 在美国本土 531 个流域上与 established LSTM 和基于物理的 Sacramento 土壤湿度会计模型进行基准测试。结果表明，S4D-FT 在各地区均能超越 LSTM 模型。我们首次将 S4D-FT 引入降雨-流出模拟，挑战了 LSTM 在水文学界的主导地位，拓宽了用于水文建模的深度学习工具 arsenal。
引用
@article{arxiv.2501.14980,
title = {A Deep State Space Model for Rainfall-Runoff Simulations},
author = {Yihan Wang and Lujun Zhang and Annan Yu and N. Benjamin Erichson and Tiantian Yang},
journal= {arXiv preprint arXiv:2501.14980},
year = {2025}
}