基于机器学习的冰冻圈典型流域水文过程模拟研究.pdf

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)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 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 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 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 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 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 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 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 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 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 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 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 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 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 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