基于 L2 范数集成加权海表特征的洪水入库预报

预报大坝入库流量对于减轻洪水灾害十分重要。水文过程线提供了诸如起始时间、峰值水位和水量等关键信息。特别是，大坝管理需要基于未来水文过程线提前 6 小时预报大坝入库流量。作者提出新颖的目标入库权重，以从海表分析图像中提取海洋特征向量。我们在预训练的 VGG16 网络的 fc6 层中提取了 4096 维向量元素，随后用 t-SNE 将其降为三维。此外，我们用 PCA 创建了海温权重的主成分。我们通过数值实验发现这些权重有助于预测变量重要性的稳定性。作为基础回归模型，我们校准了带核展开的最小二乘、最小化袋外误差的分位数随机森林，以及带多项式核的支持向量回归。在计算预测变量重要性时，与不加权重的其他结果相比，我们可视化了由所提权重引入的各变量重要性的稳定性。我们将方法应用于日本关东地区的一座大坝，聚焦于 2007 至 2018 年的训练时段，以及六月到十月的有限洪水时段。我们在 2019 年洪水时段上测试了精度。最后，我们给出了应用结果以及针对未知洪水预报的进一步统计学习。