基于重叠预测窗口的水位多步预报模型事件感知评估与鲁棒性检验
《Water》:Event-Aware Validation of Short-Term Water-Level Forecasting in a Single Data-Scarce Gauged Catchment: Implications for Local Flash-Flood Risk Management
【字体:
大
中
小
】
时间:2026年10月01日
来源:Water 3.5
摘要
重叠的预测窗口可能会掩盖事件档案有限独立性的问题。我们利用红崖塔水文站2016–2025年41个事件的2039条记录,对七种模型进行了评估。遥测高程通过加0.665 m进行了统一(2023年之前)。1、3、6和12小时的预测分别使用了12小时或24小时的输入。主要验证方案以2016–2023年数据训练、2024年数据验证、2025年7个事件测试。采用五种神经种子、事件级评估、重复的事件互斥划分,以及时间序列与样本支撑敏感性分析来检验鲁棒性。在12小时输入条件下,岭回归在1小时预测中实现了0.107 m的均方根误差(RMSE)和0.908的纳什-萨特克利夫效率(NSE);卷积神经网络–长短期记忆网络(CNN-LSTM)实现了0.119 ± 0.012 m的RMSE。最佳平均排名的6小时和12小时配置仍保持负NSE。在六个事件匹配的1小时目标中,CNN-LSTM相对随机基线的事件平均RMSE为0.023 m(探索性95%自助法区间:0.003–0.047 m)。该差异在不同配置间存在变化。2025年无观测值超过31.50 m的蓝色阈值。研究结果支持采用事件感知方法对局部水位预测进行评估,但未确立跨流域泛化能力或预警检测性能。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号