山水皆乐分享 http://blog.sciencenet.cn/u/jiasf

博文

基于机器学习的国际河流径流评价研究成果发表在WRR

已有 3768 次阅读 2018-12-16 19:23 |个人分类:水是杂谈|系统分类:论文交流| 水资源评价, 径流, 国际河流, 人工智能, 机器学习

国际河流的测站本来就少,加之各国之间互相保密,径流信息很难获得。

我们研究组关注国际河流的水资源评价已经超过十来年了。

大概从2007年开始,多次应印度有关机构的邀请,去印度、孟加拉、尼泊尔等地参加兴都库什-喜马拉雅地区气候变化与水资源安全研讨会。曾经利用国际模拟产品评估过布拉马普特拉河-恒河-米格拉河水系(BGMS)的天然径流量及其国别分布,并给印度的同行说不要担心中国在雅鲁藏布江的用水,因为从雅江干流中国境内来的水占全流域水量的比重不过百分之十几!即便全部截住也影响不大,何况中国境内用水很少!万一有人决定要调水,调水量占全流域水量的比例也很小(百分之几以内)!

想起来那时候国际河流研究并不太热,曾经外方委托我邀请更多专家参加会议,对方负责交通费和食宿,中方专家只要投入时间,但除了两位教授接受邀请之外,一些同行并不积极,政府也没有排上议事日程。最近几年国际河流似乎成为显学,政府重视了,研究的机构和学者也越来越多。

我的2014级博士生严家宝先生是学GIS出身的,尤其是计算机编程能力很强,在人工智能方面也有一定基础,所以在他选题的时候就定下了利用机器学习方法评价中国国际河流径流量的题目。实际上主要研究成果2016就出来了,2017年他就可以三年内按时答辩毕业,但为了慎重起见,他主动要求延长一年,我们采用更多方法、更多数据反复进行了验证,结果表明用机器学习方法和中国的径流、降水、地形、地质、土地利用、植被等数据训练的径流计算模型,获得了涉及中国的国际河流的0.1度网格尺度的多年平均径流系数和径流深,经过与有可靠的流域径流量数据的对比,可以证明此方法的结果比目前已有的所有产品精度都要高!

研究论文去年夏天就提交给了水资源领域传统上认为最权威的期刊Water Resoruces Research ,经过两轮专业修改和一轮语言修改,好事多磨,也终于在今年11月2日被正式接受,并已经网络发表!(DOI: 10.1029/2018WR023044)

真诚感谢匿名审稿人和编辑为本文付出的辛勤劳动、提出的宝贵意见!你们为本文达到目前的水平做出了非常有价值的贡献!

此方法的优势是不需要利用各国的保密数据、仅仅利用公开数据就可以获得相对可靠的国际河流分国家的多年平均径流量数据,为掌握各国的水资源量提供了可以公开、可以重复验证的方法和结果。

此方法的深远意义还在于:利用机器学习方法可以提供比目前最先进的基于物理机制的水文模型还要好的结果!这充分说明了“数据为王”——有了大数据和挖掘大数据信息的人工智能方法,就可以获得比建立在物理机制上的模型更好的结果!随着大数据的数量越来越庞大,人工智能学习方法的改进,可以相信人工智能方法比物理机制水文模型更有用武之地!

下一步计划在几个方面拓展,希望有更好的成果奉献出来!



https://blog.sciencenet.cn/blog-267937-1151871.html

上一篇:对“引黄济宁”的疑惑
下一篇:未来百年大势(四)——分配为要
收藏 IP: 123.113.40.*| 热度|

5 黄仁勇 信忠保 张国义 张明武 尤明庆

该博文允许注册用户评论 请点击登录 评论 (9 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 22:52

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部