利用外生信号进行水文时间序列预测
机器学习
2025-12-01 v2
摘要
近期的时间序列研究进展促进了基础模型的开发。虽然已引入许多最先进的时间序列基础模型，但鲜有研究探讨其在物理科学特定下游应用中的有效性。本工作研究将领域知识集成到水文雨量-流量建模中的作用。使用CAMELS-US数据集，该数据集包含来自671个地点的雨量和径流数据，涵盖六个时间序列流和30个静态特征。我们比较了基线模型和基础模型。结果表明，集成了全面已知外生输入的模型优于更有限的方法，包括基础模型。值得注意的是，纳入自然年周期时间序列贡献了最显著的改进。
引用
@article{arxiv.2511.11849,
title = {Leveraging Exogenous Signals for Hydrology Time Series Forecasting},
author = {Junyang He and Judy Fox and Alireza Jafari and Ying-Jung Chen and Geoffrey Fox},
journal= {arXiv preprint arXiv:2511.11849},
year = {2025}
}