Enhancing hydrological extremes prediction accuracy: Integrating diverse loss functions in Transformer models

分位数 均方误差 大洪水 环境科学 降水 统计 气象学 数学 地理 考古
作者
Xue Li,Qiliang Sun,Yanfei Zhang,Jian Sha,Man Zhang
出处
期刊:Environmental Modelling and Software [Elsevier BV]
卷期号:177: 106042-106042 被引量:22
标识
DOI:10.1016/j.envsoft.2024.106042
摘要

In this hydrological study, we developed a Transformer-based model to forecast urban river discharges and predict flood peaks, crucial for flood mitigation in urban areas prone to inundation. Utilizing daily precipitation data from 63 meteorological stations and flow data from hydrological stations, we established a correlation using the Random Forest method to determine the lag time between precipitation and flow. The model, enhanced with alternative loss functions – Weighted MSE Loss (WMSE), Huber Loss (Hloss), and Quantile Loss (Qloss) – instead of traditional Mean Squared Error (MSE), aims to project daily flow rates for seven days. Our findings indicate that Hloss significantly reduces absolute errors in peak value predictions, while WMSE improves linear correlation in forecasting. The accuracy remains stable for the initial four days, with a decrease from the fifth day. This approach, integrating diverse loss functions, presents a novel method for accurately predicting river discharges, offering vital insights for proactive flood management.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
mtw发布了新的文献求助10
刚刚
刚刚
曾经的乘云完成签到,获得积分10
刚刚
大模型的应助被起司奶香喵采纳,获得10
1秒前
17完成签到,获得积分10
1秒前
1秒前
羔羔羊发布了新的文献求助10
1秒前
小蘑菇的应助被beninsect采纳,获得10
1秒前
2秒前
小池发布了新的文献求助10
2秒前
何故完成签到 ,获得积分10
3秒前
3秒前
NiaoJiang发布了新的文献求助10
3秒前
酷波er的应助被战火采纳,获得10
3秒前
赘婿的应助被Jaynar采纳,获得10
3秒前
小杨完成签到,获得积分10
3秒前
agegfsd完成签到,获得积分10
3秒前
华仔的应助被www采纳,获得10
3秒前
NiaoJiang发布了新的文献求助10
3秒前
null的应助被暴躁的酸奶采纳,获得10
4秒前
NiaoJiang发布了新的文献求助10
4秒前
NiaoJiang发布了新的文献求助10
4秒前
NiaoJiang发布了新的文献求助10
4秒前
NiaoJiang发布了新的文献求助10
4秒前
4秒前
云下发布了新的文献求助10
4秒前
大模型的应助被柏白筠采纳,获得10
4秒前
于是乎完成签到,获得积分10
4秒前
4秒前
4秒前
5秒前
Debbie的应助被明朗采纳,获得10
5秒前
cm完成签到,获得积分10
5秒前
chen发布了新的文献求助10
5秒前
6秒前
sxystc发布了新的文献求助10
6秒前
molihuakai的应助被安静的觅松采纳,获得10
6秒前
zc完成签到,获得积分20
7秒前
7秒前
冥小刃关注了科研通微信公众号
7秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
John McDowells Bildungstheorie 800
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
Handbook of Pharmaceutical Excipients. 9th ed 400
Synthesis, Application and Future Perspectives of Smart Nano-materials - Part 1 400
Breaking the World 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8154828
求助须知:如何正确求助?哪些是违规求助? 9551315
关于积分的说明 21704332
捐赠科研通 7744133
什么是DOI,文献DOI怎么找? 3425943
关于科研通互助平台的介绍 2551050
邀请新用户注册赠送积分活动 2469643