使用长短期记忆神经网络预测 playa 淹没
机器学习
2022-01-05 v1
摘要
在大平原地区，playa 是候鸟的关键湿地栖息地，也是具有农业重要性的高平原含水层补给源。这些临时性湿地表现出复杂的水文特征，通过局地暴雨迅速蓄水，随后通过蒸发和地下水入渗干涸。我们利用长短期记忆（LSTM）神经网络来考虑这些复杂过程，对 1984—2018 年大平原地区 71,842 个 playa 的淹没情况进行了建模。在单个 playa 层面上，模型在保留测试集上取得了 0.538 的 F1 分数，显示出预测复杂淹没模式的能力。当对整个区域所有 playa 取平均时，模型能够非常紧密地跟踪淹没趋势，即使在干旱期也是如此。我们的结果展示了使用 LSTM 建模复杂水文动态的潜力。我们的建模方法可用于在不同气候情景下对未来 playa 淹没进行建模，以更好地理解湿地栖息地与地下水将如何受气候变化影响。
引用
@article{arxiv.2010.08605,
title = {Predicting Playa Inundation Using a Long Short-Term Memory Neural Network},
author = {Kylen Solvik and Anne M. Bartuszevige and Meghan Bogaerts and Maxwell B. Joseph},
journal= {arXiv preprint arXiv:2010.08605},
year = {2022}
}
备注
15 pages, 5 figures