近日，南方科技大学环境科学与工程学院教授郑一团队在《水资源研究》上发表最新研究成果，介绍了在深度神经网络中编码分布式水文模型并进行多任务学习的新方法。
近年来，随着地球大数据的不断累积，以深度学习为代表的数据驱动方法已在模拟精度上超越传统水文模型，但黑箱属性和物理机制的缺失仍限制了深度学习在水文模拟和水资源管理实践中的推广应用。在水文模拟领域，集总式水文模型已被成功编码到深度神经网络，但应用更为广泛的分布式水文模型的编码仍是一项挑战。
对此，郑一团队成功解决了深度神经网络进行汇流计算的难题，提出了一个分布式水文模拟的可微建模框架。该框架融合了物理过程网络、替代网络、参数化网络三个神经网络模块，不但能完成全局的反向传播和联合优化，还能进行多任务学习。
基于新框架，郑一课题组对地球上最大的河流系统——亚马逊流域建立了深度学习模型——Hybrid(Q,S)+，该模型以HydroPy全球分布式水文模型为物理内核。研究结果表明，在水文站点径流观测数据和GRACE重力卫星数据的共同约束下，新模型对径流和陆地水储量的模拟性能分别比原始HydroPy模型提高了41%和35%。
“对于一些难以直接观测或观测尺度与模型不匹配的水文过程，融合了物理知识的深度学习模型可以提供新见解。”论文共同通讯作者郑一介绍。该研究建立的可微建模框架显著提高了大尺度分布式水文模拟的计算效率和精度，为分布式水文模拟在大数据时代的发展开辟了一条新路径。
相关论文信息：https://doi.org/10.1029/2023WR036170
这些年，我们为什么越来越频繁提到创新？因为只有在原始创新上持续发力，在基础理论方法上有所突破，我们才能摆脱对国外的 12月14日，美国《科学》杂志公布了2023年度十大科学突破，胰高糖素样肽-1（GLP-1）受体激动剂的研发以及今年发现的可缓解肥 12月19日，第二届中国气象旅游产业发展大会在河南三门峡召开。来自中国旅游研究院、中国气象局公共气象服务中心、中国科 12月16日，首届多尺度材料计算模拟国际研讨会在北京召开，来自国内外100多位专家学者共同探讨材料计算领域的研究成果和 编者按 世界在变，变化中不断积蓄着突破的力量。局势纵横看似山重水复，历史规律昭示未来终将柳暗花明。2023年与我们挥 省教育厅关于下达2024年普通高校“专转本”计划的通知 苏教学函〔2023〕22号 各有关高校： 根据《省教育厅关于做好2024年 。本文链接：科研人员用深度学习网络实现分布式水文模拟http://www.sushuapos.com/show-11-5841-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 2024清华国际肝癌诊疗论坛在京召开