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
日前，高等教育数字化与课程思政建设研讨会暨中国高校财经慕课联盟首届“同课异构”教学竞赛颁奖典礼在对外经济贸易大学 近日，四川农业大学动物医学院猪病研究中心黄小波课题组在自然指数（Nature index）期刊Journal of Biological Chemistry发表 细菌锰离子外排对于锰离子和铁离子稳态均具有重要意义。TerC家族蛋白是存在于所有细菌中的一种保守蛋白质。然而，长期以 过去的数个月，对我国道路交通智能检测领域知名专家赵祥模教授来讲，一如既往地保持着忙碌而有序的“快节奏”，他从容地在多 ·GLP-1类药物正在以令人兴奋和不安的方式重塑医学、流行文化，甚至全球股市。制药公司掀起一场“肥胖革命”，但 1月18日，浙江科技大学、嘉兴大学分别在杭州、嘉兴举行揭牌仪式。面向未来，两所高校提出了各自的发展目标。 浙江科技大学 。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