利用伪前瞻学习与物理模拟建模水库泄流以预测水温
机器学习
2022-02-14 v1 信号处理
摘要
本文提出一种用于预测带水库的河流网络中水温的数据驱动新方法。水库释放的水流极大影响下游河段水温。然而，许多水库的泄流信息往往不可用，这使数据驱动模型难以捕捉对下游河段的影响。本文中，我们首先构建状态感知图模型表示河流与水库间的交互，然后提出并行学习结构提取水库泄流信息并用以改进预测。特别地，对无可用泄流信息的水库，我们通过伪前瞻学习方法模拟水务管理者的泄流决策过程，从预期水温动态推断泄流信息；对有泄流信息的水库，我们利用基于物理的模型模拟泄水温度并将该信息迁移以指导其他水库的学习过程。对特拉华河流域的评估显示，当任何水库均无可用泄流数据时，相较现有数据驱动模型，所提方法为河流温度预测带来超 10% 的精度提升。在我们将部分水库的泄流数据与物理模拟纳入后，性能进一步提升。
引用
@article{arxiv.2202.05714,
title = {Modeling Reservoir Release Using Pseudo-Prospective Learning and Physical Simulations to Predict Water Temperature},
author = {Xiaowei Jia and Shengyu Chen and Yiqun Xie and Haoyu Yang and Alison Appling and Samantha Oliver and Zhe Jiang},
journal= {arXiv preprint arXiv:2202.05714},
year = {2022}
}