具有数据同化的异构溪流-水库图网络
机器学习
2021-10-12 v1
摘要
准确预测溪流中的水温对于监测和了解溪流中的生物地球化学与生态过程至关重要。溪流温度受天气模式(如太阳辐射)以及流经溪流网络的水流影响。此外,溪流温度可受到人工水库向下游河段放水的大量影响。在本文中,我们提出一种异构循环图模型来表示这些支撑溪流-水库网络的相互作用过程,并改进网络内所有河段的水温预测。由于某些水库的放流数据可能不可用,我们进一步开发了一种数据同化机制来调整深度学习模型状态,以纠正由水库放流引起的预测偏差。需要使用训练良好的时间建模组件,以便利用调整后的状态改进未来预测。因此,我们还引入了一种基于模拟的预训练策略来增强模型训练。我们在特拉华河流域的评估证明了我们所提方法相对于多种现有方法的优越性。我们广泛研究了不同情景下数据同化机制的效果。此外,我们展示了采用预训练策略的所提方法即使在有限训练数据下仍能产生良好预测。
引用
@article{arxiv.2110.04959,
title = {Heterogeneous Stream-reservoir Graph Networks with Data Assimilation},
author = {Shengyu Chen and Alison Appling and Samantha Oliver and Hayley Corson-Dosch and Jordan Read and Jeffrey Sadler and Jacob Zwart and Xiaowei Jia},
journal= {arXiv preprint arXiv:2110.04959},
year = {2021}
}