基于相空间重构(BR-PSR-RBFNN-GR)混合机器学习模型的伊朗霍尔木兹甘省Shamil–Ashkara含水层地下水电导率(EC)预测及不确定性量化与SHAP可解释性分析
《Ain Shams Engineering Journal》:Constrained optimization in physics-informed neural networks for singular three-point boundary value problems
编辑推荐:
由于干旱及半干旱地区地下水盐化受气候、地球化学及人为因素复杂非线性交互作用影响,传统监测方法难以捕捉其动态变化。研究人员利用伊朗霍尔木兹甘省Shamil–Ashkara含水层34口监测井26年(1994–2019)月尺度水文地球化学数据,提出一种融合Borut
由于干旱及半干旱地区地下水盐化受气候、地球化学及人为因素复杂非线性交互作用影响,传统监测方法难以捕捉其动态变化。研究人员利用伊朗霍尔木兹甘省Shamil–Ashkara含水层34口监测井26年(1994–2019)月尺度水文地球化学数据,提出一种融合Boruta特征选择(BR)、相空间重构(Phase Space Reconstruction, PSR)、网格搜索(Grid Search, GR)超参数优化及量化回归与Bootstrap重采样不确定性分析的混合机器学习框架,分别构建经Boruta筛选关键水文地球化学变量并结合PSR时序嵌入的支持向量机(Support Vector Machine, SVM)与径向基函数神经网络(Radial Basis Function Neural Network, RBFNN)模型,并采用Shapley加性解释(Shapley Additive exPlanations, SHAP)分析输入特征对目标变量——地下水电导率(Electrical Conductivity, EC)的贡献度。最优混合模型BR?PSR?RBFNN?GR在测试集上决定系数(R2)达0.993、均方根误差(RMSE)为0.067?μS/cm,且预测不确定性(95%预测区间宽度)最低;SHAP分析表明总溶解固体(Total Dissolved Solids, TDS)、Na+及Cl?是控制EC变异的主导因子。结果表明,集成特征工程、时序动力学重构与超参数优化的可解释机器学习方法可为复杂干旱盆地地下水水质评估提供稳健可靠的预测工具。
论文解读——基于BR?PSR?RBFNN?GR混合模型预测地下水电导率(EC)及可解释性与不确定性分析
研究背景与意义
地下水是干旱及半干旱地区重要的淡水资源,但其可持续性正受到过度开采、气候变化及工农业污染的威胁,其中地下水盐化尤为严重。准确评估和预测地下水盐化受气候、水文地质及地球化学多因素复杂非线性耦合影响,传统监测与评价手段难以刻画此类动态。已有研究表明先进机器学习可较好模拟环境非线性系统,但多数研究未在同一框架内整合特征工程、严格不确定性分析及模型可解释性。为此,Zamani H, Farokhzadeh B, Bazrafshan O 以伊朗霍尔木兹甘省Shamil–Ashkara含水层(面积≈1?106?km2,年均降水<200?mm,潜在蒸散≈2?640?mm/a,地下水水位年均下降0.41?m)为研究对象,基于34口监测井1994–2019年月尺度水文地球化学数据集(含EC、TDS、总硬度(TH)、钠吸附比(SAR)、钠百分率(PNa)、主要阳离子Na+、Ca2+、Mg2+,主要阴离子Cl?、SO42?、HCO3?、CO32?及pH),构建并验证集成Boruta特征选择、相空间重构(PSR)、网格搜索(GR)优化及不确定性量化的SVM与RBFNN混合预测模型,并借助SHAP阐明关键水文化学因子对EC的影响,论文发表于《Ain Shams Engineering Journal》。
主要关键技术方法
研究人员将数据集按时间顺序以80?:?20划分为训练集与测试集以避免时间泄露。采用Boruta算法基于随机森林重要性评分与影子特征(shadow features)比较筛选出确认重要(Confirmed)的水文化学变量;对EC单变量时序应用平均互信息(Average Mutual Information, AMI)法确定最优时延τ=1,用假近邻(False Nearest Neighbors, FNN)法确定嵌入维数d=9进行相空间重构(PSR),将重构滞后坐标与Boruta选中变量共同组构模型输入;分别用网格搜索优化SVM的正则化参数C∈{0.5,1,2,4}与RBF核宽σ∈{0.1,0.5,1.0,2.0},及RBFNN的扩展参数spread σ∈{0.2,0.4,0.6,0.9}与隐层神经元数h∈{5,10,15};以RMSE、MAE、R2及Willmott指数评价性能;用分位数回归(Quantile Regression, QR)估计95%预测区间,用Bootstrap重采样(1?000次)计算预测误差标准差及95%置信区间量化不确定性;最后用TreeExplainer类SHAP值分析各输入特征对EC预测的平均绝对贡献及方向。
研究结果
3.1. Feature selection(特征选择)
Boruta筛选出TDS、Cl?、SO42?、阴离子总量(anion)、Ca2+、Mg2+、Na+、阳离子总量(cation)、PNa、SAR及TH为确认重要变量,其中TDS、Cl?、SO42?Z值≈15最高;Pearson相关矩阵显示TDS、Na+、Cl?、TH与EC呈强正相关,HCO3?和CO32?及pH相关性弱。
3.2. Data reconstruction using PSR(相空间重构)
AMI曲线首极小值对应τ=1;FNN法中E1(d)在d=9后趋平且E2(d)→1,故取嵌入维数d=9,据此构造EC时序的9维延迟坐标向量作为PSR输入分量。
3.3. Grid search optimization of SVM parameters(SVM网格搜索优化)
SVM在C=4、σ=0.1时训练集R2=0.994、RMSE=0.082,但测试集R2降至0.711(过拟合迹象);加入Boruta特征选择后BR?SVM?GR测试集R2提升至0.768、RMSE=0.378,表明去噪降维改善泛化能力。
3.4. Comparison of PSR?SVM?GR and BR?PSR?SVM?GR models(PSR?SVM?GR与BR?PSR?SVM?GR模型对比)
单纯PSR?SVM?GR(C=4,σ=0.1)测试集R2=0.734、RMSE=0.507;而BR?PSR?SVM?GR最优配置(C=2,σ=0.5,τ=1,d=9)测试集R2=0.854、RMSE=0.201、MAE=0.111,证明Boruta与PSR联合可有效抑制过拟合并提升预测稳定性。
3.5. Performance of the BR?PSR?RBFNN?GR model(BR?PSR?RBFNN?GR模型性能)
RBFNN经GR优选spread=0.6、隐神经元数=15时表现最佳:训练集R2=0.997、RMSE=0.048、MAE=0.036;测试集R2=0.993、RMSE=0.067、MAE=0.040,优于所有SVM变体,说明RBFNN局部逼近能力与PSR时序结构匹配良好。
3.6. Model comparison(模型对比)
五模型测试集R2依次为SVM?GR?0.711<PSR?SVM?GR?0.734<BR?SVM?GR?0.768<BR?PSR?SVM?GR?0.856<BR?PSR?RBFNN?GR?0.993;Willmott指数亦呈相同递增趋势(BR?PSR?RBFNN?GR测试集=0.921),证实逐步引入Boruta、PSR及RBFNN可系统性提高精度与一致性。
3.7. Additional model validation using RROC analysis and response charts(RROC分析与响应曲线验证)
回归接收者操作特征(Regression Receiver Operating Characteristic, RROC)曲线显示基础SVM?GR测试相较训练RROC面积显著扩大(过拟合),而BR?PSR?RBFNN?GR训练与测试RROC轨迹紧凑接近原点,误差对称性好;时间序列响应图表明该混合模型在高、低EC极值段均与观测值吻合最佳。
3.8. Uncertainty analysis(不确定性分析)
Bootstrap法与分位数回归所得95%预测区间宽度:SVM?GR分别为1?533.63?μS/cm与1?258.52?μS/cm,逐次降低至BR?PSR?RBFNN?GR为245.56?μS/cm与185.51?μS/cm,混合建模大幅压缩不确定性带。
3.9. SHAP analysis(SHAP分析)
SHAP蜂群图显示TDS(|SHAP值|最大≈1.0)、Na+、Cl?具正向高贡献(高值推高EC预测),TH与Ca2+呈中等正贡献,Mg2+与SO42?贡献较小,SAR呈负向微弱贡献(高SAR略降EC),符合水文化学离子置换效应。
讨论与结论总结
讨论指出Shamil平原高Na+、Cl?、SO42?及TDS源于Bakhtiari与Aghajari组蒸发岩(石膏与石盐)溶解,Ca2+、Mg2+来自硬石膏与白云岩溶解,HCO3?/CO32?因高pH沉淀影响弱,与Boruta选入变量一致。单独SVM?GR易过拟合,Boruta削减冗余特征可降低方差;PSR通过τ=1、d=9重构揭示EC时序隐含非线性依赖,与特征选择协同提升泛化;RBFNN因可调隐神经元数与spread可更好拟合局部相空间结构,较SVM?RBF核更灵活,故BR?PSR?RBFNN?GR综合表现最优。QR较Bootstrap对异方差与离群值更稳健,二者联用可全面表征预测变异性。与同类干旱区含水层EC预测研究相比,本框架测试R2更高(0.993 vs ≈0.83–0.96)、预测区间更窄(≈185?μS/cm vs >350?μS/cm)。SHAP确认TDS为首要驱动因子且与EC呈近似线性关系,Na+–Cl?协同增强效应及SAR负向影响亦被识别,佐证水文化学机理。
结论如下:所提BR?PSR?RBFNN?GR混合模型对Shamil–Ashkara含水层月尺度地下水EC预测精度最高(测试R2=0.993,RMSE=0.067),不确定性最低;Boruta有效剔除无关变量抑制过拟合;PSR(τ=1,d=9)捕获隐藏非线性时序结构;网格搜索平衡偏误?方差;SHAP阐明TDS、Na+、Cl?主导EC变异;该集成框架提升了干旱复杂盆地地下水盐化预测的稳健性、可靠性与可解释性。局限含研究区单一、未纳入气象与土地利用因子、PSR与GR计算量大、仅针对月尺度数据。未来建议跨区域验证、融合遥感与气候变量、拓展至多水质指标预测、引入深度学习或模糊?贝叶斯方法及建立实时监测预警。