一种用于水位和水文气象灵敏度分析的Transformer变体方法
机器学习
2024-05-24 v1
摘要
在当今变化的气候环境中，理解气象和水文因素对水位及洪涝事件的综合影响至为重要。Transformer作为一种前沿深度学习方法，能够有效建模复杂的非线性过程，提取关键特征并进行水位预测。解释性人工智能（XAI）方法在增进理解不同因素对水位影响方面发挥着重要作用。本研究提出一种Transformer变体，通过整合稀疏注意力机制并在解码器模块中引入非线性输出层。该变体模型用于同时考虑气象和水文因素的多步水位预测。结果表明，与传统Transformer模型相比，在不同 lead 时间尺度下，该变体模型在各种评估指标上均表现出优异性能。基于XAI技术的灵敏度分析显示，气象因素对水位演变具有显著影响，其中温度被证明是最主要的气象因素。因此，纳入气象和水文因素对于可靠的水文预测和防洪至关重要。与此同时，XAI技术为特定预测提供了洞见，这有助于理解预测结果并评估其合理性。
引用
@article{arxiv.2405.13646,
title = {A Transformer variant for multi-step forecasting of water level and hydrometeorological sensitivity analysis based on explainable artificial intelligence technology},
author = {Mingyu Liu and Nana Bao and Xingting Yan and Chenyang Li and Kai Peng},
journal= {arXiv preprint arXiv:2405.13646},
year = {2024}
}