贝宁共和国多个水文站缺失流量数据的插补
机器学习
2022-11-22 v1 应用统计
摘要
流量观测数据对于洪水监测、农业与聚落规划至关重要。然而，由于恶劣环境条件和有限运维资源等多种原因，此类流量数据常受缺失观测的困扰。该问题在撒哈拉以南非洲等资源不足地区往往更为普遍。本工作中，我们通过对 GEOGloWS ECMWF 流量服务（GESS）预报在贝宁共和国十个河流水文站进行偏差校正，重建流量时间序列数据。我们通过在受限训练期内拟合分位数映射、高斯过程与弹性网络回归来进行偏差校正。通过在测试期内模拟缺失，我们表明 GESS 预报存在显著偏差，导致在十个贝宁站点预测技巧低下。我们的发现表明，总体上弹性网络与高斯过程回归的偏差校正相较随机森林、k-近邻与 GESS 查找的传统插补取得了更优技巧。本工作的发现为将全球 GESS 流量数据整合进易受极端天气事件所致干旱与洪水影响国家的业务早期预警决策系统（如洪水警报）提供了基础。
引用
@article{arxiv.2211.11576,
title = {Imputation of Missing Streamflow Data at Multiple Gauging Stations in Benin Republic},
author = {Rendani Mbuvha and Julien Yise Peniel Adounkpe and Wilson Tsakane Mongwe and Mandela Houngnibo and Nathaniel Newlands and Tshilidzi Marwala},
journal= {arXiv preprint arXiv:2211.11576},
year = {2022}
}
备注
AAAI 2022 Fall Symposium: The Role of AI in Responding to Climate Challenges, Nov 17-19, 2022