基于图Lasso的多参考站选取用于日径流时间序列估计

在记录不完整的站点进行日径流时间序列估计时，一个根本性的挑战是如何从现有水文站网络中有效且高效地选取参考站或捐助站来推断缺失数据。尽管估计缺失径流时间序列的研究并不新鲜，但现有方法要么使用单一参考径流站，要么采用一组“临时”参考站，使得参考站的系统化选取成为一个长期未决的开放问题。本工作引入了一种新方法，可从任意给定的径流网络中系统化地选取多个参考站。其思路是通过图马尔可夫建模从数学上刻画径流网络的网络级相关结构，并进一步将稠密网络转化为稀疏连接网络。图模型所得底层稀疏图编码了径流网络中所有参考站之间的条件独立性，从而可确定捐助站的最优子集。稀疏性通过带L1范数正则化参数和阈值参数的图Lasso算法发现，这两个参数由多目标优化过程确定。此外，该图建模方法还用于解决站网移除规划决策（如因运营预算限制）中的另一开放问题：移除哪些站点能在统计上保证由剩余站点进行估计时信息损失最小？我们的基于图模型的方法使用俄亥俄河流域34个站组成的网络的日径流数据进行了演示。