大型时间序列模型在水文学中的有效性如何？一项关于大沼泽地水位预测的研究
机器学习
2025-08-08 v2
摘要
大沼泽地在周边地区的洪涝与干旱调节、水资源规划及生态系统管理中发挥着至关重要的作用。然而，用于预测水位的传统基于物理和统计的方法常常面临重大挑战，包括计算成本高以及对多样化或不可预见条件的适应性有限。大型时间序列模型的最新进展已展现出解决这些局限性的潜力，最先进的深度学习和基础模型在多个领域的时间序列预测中取得了显著成功。尽管取得了这些进展，但它们在诸如大沼泽地等关键环境系统中的应用仍未得到充分探索。在本研究中，我们通过调查六类共十二个特定任务模型和五个时间序列基础模型，针对大沼泽地水位预测这一实际应用，填补了这一空白。我们的主要结果表明，基础模型Chronos显著优于所有其他模型，而其余基础模型的表现相对较差。我们还注意到特定任务模型的性能随模型架构而变化，并讨论了可能的原因。我们希望我们的研究和发现能启发学界探索大型时间序列模型在水文应用中的适用性。代码和数据可在https://github.com/rahuul2992000/Everglades-Benchmark获取。
引用
@article{arxiv.2505.01415,
title = {How Effective are Large Time Series Models in Hydrology? A Study on Water Level Forecasting in Everglades},
author = {Rahuul Rangaraj and Jimeng Shi and Azam Shirali and Rajendra Paudel and Yanzhao Wu and Giri Narasimhan},
journal= {arXiv preprint arXiv:2505.01415},
year = {2025}
}