近日，我校計算機與信息工程學院馬春梅副教授團隊聯合天津市水資源與水環境重點實驗室的郝永紅教授團隊，在期刊Journal of Hydrology發表題為“Modeling spatial–temporal behavior of precipitation-driven karst spring discharge using a hybrid deep learning model”的學術論文。
巖溶地下水為世界上1/4的人口提供飲用水，中國是巖溶含水層分布最為廣泛的國家之一。巖溶泉水流量反映了巖溶含水層的狀態，受氣候變化和人類活動的影響泉水流量呈現出非線性和非平穩特征，準確預測其流量的變化對區域水資源管理至關重要。深度學習為泉水流量預測提供了新方法，但現有模型忽略了降水的時空變異性對泉水流量的影響。為此，研究團隊提出一種混合的深度學習模型GCN-LSTM，實現了對不同地區降水時空耦合的建模。該模型將流域數據觀察點構造成了圖，通過圖卷積網絡（GCN）捕捉不同區域降水與泉水流量的空間水文關聯特征。然后利用LSTM對時序的空間關聯特征進行建模，挖掘降水與泉水的時空關系，最終獲得泉水預測結果。將模型應用于山西娘子關泉域，經過測試集驗證，模型納什效率指數（NSE）達0.76，較現有模型有顯著提升，并通過實驗解析了泉水流量與多站點降水的滯后響應規律。該成果為復雜水文系統的建模提供了新的方法論框架。
計算機與信息工程學院馬春梅副教授為該論文第一作者，水資源與水環境重點實驗室的郝永紅教授為通訊作者，天津師范大學為該論文第一署名單位。該研究得到國家自然科學基金資助 (U2244214, 42307088等)。
論文鏈接：
https://www.sciencedirect.com/science/article/abs/pii/S0022169425002860
科研進展