AI 驱动的水文建模革新：以精确预测与解释变革地球系统建模
人工智能
2025-01-10 v1 新兴技术
机器学习
大气与海洋物理
摘要
传统的方程驱动水文模型在预测青藏高原等复杂区域地球系统的径流时往往难以做到准确，而混合模型与现有的算法驱动模型在解释水文行为方面面临困难。本研究提出了 HydroTrace，一种算法驱动、与数据无关的模型，其显著优于上述方法，实现了 98% 的 Nash-Sutcliffe 效率，并在未见数据上展现出强大的泛化能力。此外，HydroTrace 利用先进的注意力机制捕捉时空变化与特定特征的影响，实现了径流分配的量化与空间解析，并能够解释冰川-积雪-径流相互作用及季风动态等水文行为。另外，基于大语言模型（LLM）的应用程序使用户能够轻松理解并将 HydroTrace 的洞见应用于实际目的。这些进展使 HydroTrace 成为水文及更广泛地球系统建模的变革性工具，提供了更高的预测准确性与可解释性。
引用
@article{arxiv.2501.04733,
title = {AI-Driven Reinvention of Hydrological Modeling for Accurate Predictions and Interpretation to Transform Earth System Modeling},
author = {Cuihui Xia and Lei Yue and Deliang Chen and Yuyang Li and Hongqiang Yang and Ancheng Xue and Zhiqiang Li and Qing He and Guoqing Zhang and Dambaru Ballab Kattel and Lei Lei and Ming Zhou},
journal= {arXiv preprint arXiv:2501.04733},
year = {2025}
}