基于 Transformer 的自适应图学习用于多水库入流预测

水库入流预测对于水资源管理至关重要，但现有方法主要关注单水库模型，忽略了相互连接水库之间的空间依赖性。我们引入 AdaTrip 作为一种自适应、时变图学习框架，用于多水库入流预测。AdaTrip 构建动态图，其中水库作为节点，带有反向边反映水文连接，采用注意力机制自动识别关键的空间和时间依赖性。在上科罗拉大峡谷上游流域三十个水库的实验结果表明，AdaTrip 在所有基准方法中均表现出优势，对于记录有限的水库也能通过参数共享获得 improved 性能。此外，AdaTrip 提供了在边和时间步级别的可解释注意力图，为理解水文控制因素、支持运营决策提供了洞见。我们的代码已在 https://github.com/humphreyhuu/AdaTrip 上提供。