计算机与信息工程学院马春梅副教授团队研究成果在Journal of Hydrology发表

近日，日博best365官网计算机与信息工程学院马春梅副教授团队联合天津市水资源与水环境重点实验室的郝永红教授团队，在期刊Journal of Hydrology发表题为“Modeling spatial–temporal behavior of precipitation-driven karst spring discharge using a hybrid deep learning model”的学术论文。

岩溶地下水为世界上1/4的人口提供饮用水，中国是岩溶含水层分布最为广泛的国家之一。岩溶泉水流量反映了岩溶含水层的状态，受气候变化和人类活动的影响泉水流量呈现出非线性和非平稳特征，准确预测其流量的变化对区域水资源管理至关重要。深度学习为泉水流量预测提供了新方法，但现有模型忽略了降水的时空变异性对泉水流量的影响。为此，研究团队提出一种混合的深度学习模型GCN-LSTM，实现了对不同地区降水时空耦合的建模。该模型将流域数据观察点构造成了图，通过图卷积网络（GCN）捕捉不同区域降水与泉水流量的空间水文关联特征。然后利用LSTM对时序的空间关联特征进行建模，挖掘降水与泉水的时空关系，最终获得泉水预测结果。将模型应用于山西娘子关泉域，经过测试集验证，模型纳什效率指数（NSE）达0.76，较现有模型有显著提升，并通过实验解析了泉水流量与多站点降水的滞后响应规律。该成果为复杂水文系统的建模提供了新的方法论框架。

计算机与信息工程学院马春梅副教授为该论文第一作者，水资源与水环境重点实验室的郝永红教授为通讯作者，天津师范大学为该论文第一署名单位。该研究得到国家自然科学基金资助 (U2244214, 42307088等)。

论文链接：

https://www.sciencedirect.com/science/article/abs/pii/S0022169425002860