RiverMamba：用于全球河流流量与洪水预报的状态空间模型
计算机视觉与模式识别
2025-10-27 v3 机器学习
摘要
近期基于深度学习的河流流量预报方法提升了洪水预报的准确性和效率，为风险管理提供了更可靠的预警系统。然而，现有的水文深度学习方法在很大程度上仍局限于局地尺度应用，并未利用水体之间固有的空间联系。因此，强烈需要能够对时空关系进行建模的新型深度学习方法，以改善科学和业务应用中的河流流量与洪水预报。为此，我们提出了 RiverMamba，这是一种利用长期再分析数据预训练的新型深度学习模型，能够在 网格上预报最长提前期为 天的全球河流流量和洪水，这在预警方面具有高度相关性。为实现这一目标，RiverMamba 利用高效的 Mamba 模块，使模型能够捕捉大型河网中的时空关系，并增强其在更长提前期下的预报能力。预报模块集成了 ECMWF HRES 气象预报，同时通过时空建模考虑了其不准确性。我们的分析表明，RiverMamba 在各种洪水重现期（包括极端洪水）和提前期下均能提供可靠的河流流量预测，超越了基于 AI 和基于物理的模型。源代码和数据集已在项目页面 https://hakamshams.github.io/RiverMamba 公开。
引用
@article{arxiv.2505.22535,
title = {RiverMamba: A State Space Model for Global River Discharge and Flood Forecasting},
author = {Mohamad Hakam Shams Eddin and Yikui Zhang and Stefan Kollet and Juergen Gall},
journal= {arXiv preprint arXiv:2505.22535},
year = {2025}
}
备注
Accepted at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025). Main paper 10 pages, Appendix 54 pages