基于机器学习的冰冻圈典型流域水文过程模拟研究.pdf
《基于机器学习的冰冻圈典型流域水文过程模拟研究.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的冰冻圈典型流域水文过程模拟研究.pdf(19页珍藏版)》请在咨信网上搜索。
1、第3 0卷 第4期2 0 2 3年7月地学前缘(中国地质大学(北京);北京大学)E a r t h S c i e n c e F r o n t i e r s(C h i n a U n i v e r s i t y o f G e o s c i e n c e s(B e i j i n g);P e k i n g U n i v e r s i t y)V o l.3 0 N o.4J u l.2 0 2 3h t t p s:/w w w.e a r t h s c i e n c e f r o n t i e r s.n e t.c n 地学前缘,2 0 2 3,3 0(4
2、)收稿日期:2 0 2 3 0 1 2 8;修回日期:2 0 2 3 0 2 2 0基金项目:国家自然科学基金项目(4 1 9 7 1 0 9 4,4 1 8 7 1 0 5 5);中国科学院青年创新促进会人才项目(2 0 1 9 4 1 4);中国科学院 澳大利亚联邦科学和工业研究组织(C A S-C S I R O)国际合作项目(1 3 1 B 6 2 K Y S B 2 0 1 9 0 0 4 2)作者简介:宋轩宇(1 9 9 8),男,硕士研究生,主要方向为气候变化与冰冻圈水文过程模拟研究。E-m a i l:s o n g x u a n y u 2 0 2 2 1 6 3.c o
3、m*通信作者简介:许 民(1 9 8 4),男,副研究员,主要研究方向为冰冻圈水文与水资源研究。E-m a i l:x u m i n l z b.a c.c nD O I:1 0.1 3 7 4 5/j.e s f.s f.2 0 2 3.2.5 2基于机器学习的冰冻圈典型流域水文过程模拟研究宋轩宇1,3,许 民1,2,*,康世昌1,2,孙立平41.中国科学院 西北生态环境资源研究院 冰冻圈科学国家重点实验室,甘肃 兰州 7 3 0 0 0 02.中国科学院大学,北京 1 0 0 0 4 93.兰州交通大学 数理学院,甘肃 兰州 7 3 0 0 7 04.东北大学 理学院,辽宁 沈阳 1 1
4、 0 8 1 9S O N G X u a nyu1,3,XU M i n1,2,*,K A N G S h i c h a ng1,2,S UN L ipi ng41.S t a t e K e y L a b o r a t o r y o f C r y o s p h e r i c S c i e n c e,N o r t h w e s t I n s t i t u t e o f E c o-E n v i r o n m e n t a n d R e s o u r c e s,C h i n e s e A c a d e m y o f S c i e n c e,L
5、 a n z h o u 7 3 0 0 0 0,C h i n a2.U n i v e r s i t y o f C h i n e s e A c a d e m y o f S c i e n c e s,B e i j i n g 1 0 0 0 4 9,C h i n a3.S c h o o l of M a t h e m a t i c s,L a n z h o u J i a o t o ng U n i v e r s i ty,L a n z h o u 7 3 0 0 7 0,C h i n a4.S c h o o l o f S c i e n c e,N o
6、 r t h e a s t e r n U n i v e r s i t y,S h e n y a n g 1 1 0 8 1 9,C h i n aS O N G X u a n y u,X U M i n,K A N G S h i c h a n g,e t a l.M o d e l i n g o f h y d r o l o g i c a l p r o c e s s e s i n c r y o s p h e r i c w a t e r s h e d s b a s e d o n m a c h i n e l e a r n i n g.E a r t
7、h S c i e n c e F r o n t i e r s,2 0 2 3,3 0(4):4 5 1-4 6 9A b s t r a c t:M a c h i n e l e a r n i ng m o d e l s a r e w i d e ly u s e d i n hyd r o l ogi c a l r e s e a r c h f o r t h e i r h igh pr e d i c t i v e a c c u r a cy,h o w e v e r,t h e i r ap pl i c a t i o n i n h igh-a l t i
8、t u d e c ryo sph e r i c w a t e r s h e d s i s s e l d o m m e n t i o n e d.I n t h i s s t u dy,m a c h i n e l e a r n i ng m o d e l s f o r t w o ty pi c a l c ryo sph e r e s,Y a r k a n t a n d S h u l e r i v e r b a s i n s,w e r e d e v e l ope d u s i ng B P n e u r a l n e t w o r k(B
9、 P),G R N N n e u r a l n e t w o r k(G R N N),R B F n e u r a l n e t w o r k(R B F),s up po r t v e c t o r r egr e s s i o n(S V R),ge n e t i c opt i m i z a t i o n B P n e u r a l n e t w o r k(G A-B P)a n d d o u b l e-l aye r l o ng-t e r m a n d s h o r t-t e r m m e m o ry n e u r a l n e
10、t w o r k(L S T M)a lgo r i t h m s,a n d m o d e l pe r f o r m a n c e w a s e v a l u a t e d u s i ng e v a l u a t i o n i n d e x e s N S E,RM S E a n d R a n d r u n o f f f r equ e n cy c u r v e s.T h e d o u b l e-l aye r L S T M m o d e l pe r f o r m e d m u c h b e t t e r t h a n a n d
11、 s i m i l a r t o o t h e r m o d e l s f o r t h e Y a r k a n t a n d S h u l e R i v e r B a s i n s,r e spe c t i v e ly;a n d o v e r a l l t h e d o u b l e-l aye r L S T M a lgo r i t h m w a s m o r e s u i t a b l e f o r m o d e l i ng hyd r o l ogi c a l pr o c e s s e s i n c ryo sph e
12、r e b a s i n s.T h e l o s s f u n c t i o n w a s u s e d t o e v a l u a t e t h e m o d e l pa r a m e t e r i z a t i o n s c h e m e.I t w a s f o u n d t h a t t h e pe r f o r m a n c e o f t h e L S T M m o d e l s w a s m a i n ly a f f e c t e d by t h e opt i m i z e r,f o l l o w e d by
13、 t h e l e a r n i ng a t t e n u a t i o n r a t e a n d i n i t i a l l e a r n i ng r a t e f o r t h e Y a r k a n t R i v e r B a s i n,a n d by t h e i n i t i a l l e a r n i ng r a t e f o r t h e S h u l e R i v e r B a s i n.M o d e l t e s t i ng u n d e r a b r upt c h a nge s i n r u n
14、o f f s ug ge s t e d t h a t c l i m a t i c f a c t o r s c o u l d h a v e d i f f e r e n t hyd r o l ogi c a l i mpa c t s,m e a n w h i l e,pr e c ipi t a t i o n a n d h e a vy pr e c ipi t a t i o n R 9 5p h a d t h e gr e a t e s t i mpa c t s o n t h e hyd r o l ogi c a l pr o c e s s i n
15、t h e s t u dy a r e a,f o l l o w e d by t e mpe r a t u r e,d u r i ng t h e e n t i r e s t u dy pe r i o d.K e y w o r d s:c l i m a t e c h a nge;m a c h i n e l e a r n i ng;c ryo sph e r i c w a t e r s h e d s;hyd r o l ogi c a l pr o c e s s s i m u l a t i o n;pa r a m e t e r i z a t i o
16、n摘 要:机器学习模型由于其优越的模拟预测性能而被广泛地应用于水文学研究,但其在高海拔地区的冰冻圈流域水文过程模拟研究方面尚有待深入。本研究基于B a c k P r o p a g a t i o n神经网络(B P)、广义回归神经网络4 5 2 宋轩宇,许 民,康世昌,等/地学前缘(E a r t h S c i e n c e F r o n t i e r s)2 0 2 3,3 0(4)h t t p s:/w w w.e a r t h s c i e n c e f r o n t i e r s.n e t.c n 地学前缘,2 0 2 3,3 0(4)(G R N N)、径向
17、基函数神经网络(R B F)、支持向量回归(S V R)、遗传优化B P神经网络(G A-B P)和双层长短期记忆神经网络模型(L S TM),对两个典型冰冻圈流域,即叶尔羌河流域和疏勒河流域的水文过程开展模拟研究,结合精度评价指标(N S E、RM S E和R)以及水文过程频率曲线对模型模拟效果进行综合分析。结果表明,双层L S TM模拟能力在叶尔羌河流域远优于其他模型,而疏勒河流域L S TM模拟效果与其他模型模拟结果相近,双层L S TM更适用于冰冻圈流域水文过程模拟。通过损失函数对模型参数化方案进行评价发现,L S TM模型在研究区模拟效果主要受优化器影响,叶尔羌流域学习衰减速率和初始
18、学习率影响次之,而疏勒河流域初始学习率影响次之。对整个研究时段的径流突变检验分析结果表明,模型输入数据中降水和极端降水总量对研究区水文过程变化影响较大,气温次之。关键词:气候变化;机器学习;冰冻圈流域;水文过程模拟;参数化中图分类号:P 3 3 8 文献标志码:A 文章编号:1 0 0 5-2 3 2 1(2 0 2 3)0 4-0 4 5 1-0 0 1 90 引言在气候变化背景下,以冰川、冻土、积雪等为主要组成要素的冰冻圈与水圈形成此消彼长的相依互馈关系,冰川退缩、积雪减少、多年冻土退化等冰冻圈要素变化对水文过程产生显著影响1-2。气温升高,冰川径流呈现出“先增后减”之势。短期内,冰川萎缩
19、导致径流量增加,然而这种趋势不会长久,随着冰川的大幅度萎缩,冰川面积持续减少,冰川融水急剧减少,冰川径流趋于减少。同时,随着全球变暖,融雪期提前,消融早期的融雪径流增加。大量积雪提前融化,后期积雪减少,进而改变流域融雪径流年内分配。在气候变暖影响下,多年冻土活动层及多年冻土自身均发生着变化。多年冻土退化或多或少地对地表径流和地下径流产生直接补给作用。冬末春初,由于表层土壤处于冻结状态,径流主要由地下水补给;春末夏初,活动层逐渐融化,然而融化层深度尚浅,冻土层阻止融雪下渗,形成地表径流;盛夏时节随着气温升高,活动层融化深度增加,壤中流出现,土壤下渗能力增强,径流以超渗产流为主导作用;秋季到冬季,
20、主要由地下水补给河流,随着气温降低而形成河冰3-7。综上所述,冰冻圈萎缩导致冰川融水径流普遍增加、融雪径流提前以及多年冻土区的径流变化,进而引起了区域水资源时空分布和水循环过程的变化。因此,准确地进行冰冻圈水文过程模拟预测,对其水资源的利用和管理及风险评估、生态环境和社会经济发展具有重要的科学意义和广阔的应用前景2,8-1 0。通常利用水文模型研究冰冻圈诸要素自身的水文机理和变化过程以及冰冻圈变化在流域、区域水文过程和水循环中所产生的影响5。水文模型对水文过程模拟可分为集总式和分布式两类。集总式水文模型在早年间应用广泛,如度日模型、H B V模型和新安江模型。基于冰雪消融与气温之间线性关系的度
21、日模型在水文模拟中得到广泛应用,常常被应用于冰川物质平衡和融水径流模拟等方面的研究中1 1-1 2。基于产流量与土壤含水量成幂函数关系的集总式H B V模型以及改进后的H B V-D模型模拟冰川径流及其对气候的响应1 3-1 4。加入冻土、积雪要素的具有物理基础的新安江模型对冰冻圈流域水文的模拟,主要是对产汇流各个物理过程的模拟1 5。随着遥感信息和数字高程的发展,分布式水文模型成为研究热点,如具有很强物理基础适用于复杂大流域的S WA T模型1 6,基于水文改进的冰雪土壤物理耦合的地表模型L S M1 7,包含冰川、积雪、土壤模块的基于分布地貌的大规模河流流域的空间分布的生态水文模型G B
22、E HM1 8,基于冻土水文过程的分布式水热耦合DWH C模型1 9-2 1,由DWH C模型更新得到的冰冻圈流域水文模型C B-HM2 2,利用WR F预报出的气象场驱动分布式水文模型WR F-D H S VM2 3,以及加入冰川模块考虑了地形的影响,并将冰川化区域划分为不同的高程带的V I C模型2 4。虽然传统水文模型基于严格的物理基础,能够对具有多源影响的流域进行模拟和预测,但是冰冻圈流域主要分布在高纬度、高海拔地区,在气候恶劣地域、观测站点分布有限,传统水文模型的精度在缺少实测数据的冰冻圈流域的应用受到限制2 5。近年来,机器学习模型对水文过程的预测模拟应用逐步增加2 6,其在水文方
23、面的应用可以追溯到2 0 0 2年,C a n n o n和W h i t f i e l d2 7研究气候变化下的径流模拟,发现集成神经网络(E n n)比多元回归(ML R)效果好。随后L i等2 8提出了一种遗传算法优化参数的支持向量机(S VM)模型,与标记多元线性回归(ML R)、支持向量机(S VM)和多元线性回宋轩宇,许 民,康世昌,等/地学前缘(E a r t h S c i e n c e F r o n t i e r s)2 0 2 3,3 0(4)4 5 3 h t t p s:/w w w.e a r t h s c i e n c e f r o n t i e r
24、 s.n e t.c n 地学前缘,2 0 2 3,3 0(4)归(ML R)预测效果作比较,结果表明改进的支持向量机(S VM)效果更好。C h e n等2 9提出了一种改进遗传算法(I G A)的反向传播神经网络模型(I G A-B P N N),结果表明I G A-B P N N预测效果比传统的G A-B P N N和人工神经网络A N N预测效果好。Y u等3 0利用傅里叶变换(F T)将月流量时间序列分解为4个分量,并通过支持向量回归(S V R)和极端梯图1 研究区位置F i g.1 L o c a t i o n(l e f t)a n d g e o l o g i c a l
25、 s k e t c h m a p s o f t h e Y a r k a n t(t o p r i g h t)a n d S h u l e(b o t t o m r i g h t)r i v e r b a s i n s度推进(X G B o o s t)进行独立预测,结果表明改进的支持向量回归(S V R)预测结果更好。S i h a g等3 1采用A R I MA、随机森林(R F)、M 5 P和 标 记M 5 P(B M 5 P)方法对日径流模拟,结果表明标记M 5 P(B M 5 P)预测效果好。机器学习模型作为黑箱模型,与水文模型相比较,没有清晰的水文机理,不需要
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 冰冻 典型 流域 水文 过程 模拟 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。