面向水资源科学家的深度学习研究跨学科综述

深度学习(DL)作为新一代人工神经网络研究，近年来已改变了工业、日常生活及多个科学学科。DL代表了神经网络在自动构建与问题相关的特征以及捕捉高度复杂的数据分布方面的显著进步。我认为DL可帮助应对水科学研究中若干重大新旧挑战，如跨学科性、数据可发现性、水文尺度转换、异参同效性以及参数区域化需求。本综述旨在为水资源科学家尤其是水文学家提供关于DL与水相关性的简明技术概览、跨学科进展更新及灵感来源。综述表明，多个物理与地球科学学科已利用DL应对数据挑战、提升效率并获得科学见解。DL尤其适用于从类图像数据与序列数据中提取信息。其他学科呈现的技术与经验对水研究具有高度相关性。同时较少被注意到的是，DL也可作为科学探索工具。一个名为“AI神经科学”的新领域已诞生，科学家在其中解释深度网络的决策过程并推导见解。这一新兴子学科已展示出包括基于相关的分析、网络提取特征的逆推、可解释模型的降阶近似以及将网络决策归因至输入等方法。此外，DL还可利用数据来调节模拟特定问题基本组织单元的神经元，从而揭示这些单元的涌现行为。DL在推动水科学进展方面存在巨大机遇。