[論文レビュー] HydroNets: Leveraging River Structure for Hydrologic Modeling

Zach Moshe, Asher Metzger+4 more|arXiv (Cornell University)|Jul 1, 2020

Hydrology and Watershed Management Studies参考文献 8被引用数 39

ひとこと要約

HydroNets は河川ネットワーク構造を利用して、共有の流域認識型ニューラルアーキテクチャで複数の流域を共同予測します。データが不足する場合でも上流流域情報を活用して水文予測を改善します。

ABSTRACT

Accurate and scalable hydrologic models are essential building blocks of several important applications, from water resource management to timely flood warnings. However, as the climate changes, precipitation and rainfall-runoff pattern variations become more extreme, and accurate training data that can account for the resulting distributional shifts become more scarce. In this work we present a novel family of hydrologic models, called HydroNets, which leverages river network structure. HydroNets are deep neural network models designed to exploit both basin specific rainfall-runoff signals, and upstream network dynamics, which can lead to improved predictions at longer horizons. The injection of the river structure prior knowledge reduces sample complexity and allows for scalable and more accurate hydrologic modeling even with only a few years of data. We present an empirical study over two large basins in India that convincingly support the proposed model and its advantages.

研究の動機と目的

• 河川ネットワーク構造を水文予測モデルに組み込む。
• 限られた訓練データで予測精度を向上させるようサンプル複雑性を低減する。
• モジュール型アーキテクチャの中で共有（物理的）モデルと流域固有モデルの両方を可能にする。

提案手法

• 流域をノード、流れをエッジとする有向河川グラフとして水文地域を表現する。
• 3部構成のノード設計を採用する：流域固有の Combiner、共有水文モデル、流域固有の予測モデル。
• 上流埋め込みプロセスで重みを共有し、河川域全体の共通的な水文ダイナミクスを捉えつつ流域固有の出力を許容する。
• 地域グラフに従ってソースから下流の流域へ時系列埋め込みを伝播させ、木構造の計算グラフを形成する。
• 全ての流域に対して加重MSE損失でモデルを訓練し、地域予測と局所予測の精度のバランスをとる。

実験結果

リサーチクエスチョン

• RQ1 河川ネットワーク構造を複数の流域を対象としたニューラ forecasting モデルに効果的にエンコードできるか。
• RQ2 共有 upstream ダイナミクスを課すことでデータ要件を減らし長期予測を改善できるか。
• RQ3 限られた訓練データ時に HydroNets は流域間でフラットなベースラインと比較してどうなるか。
• RQ4 地域の深さ（木のような構造）が予測性能に与える影響はどの程度か。
• RQ5 HydroNets は upstream の影響が異なる多様な流域でも性能を維持できるか。

主な発見

Basin Name	Linear	HydroNets	Diff
Badatighat	0.5568443865666352	0.5657635612645384	0.008919174697903265
Behalpur	0.32078971572396364	0.3289656188027492	0.008175903078785574
Beki Road bridge	0.14243647528059078	0.17420767157737682	0.03177119629678604
Bhalukpong	-0.05450698045963054	0.1634540042403937	0.21796098470002423
Bihubar	0.27566067687928986	0.2723152605579484	-0.0033454163213414434
Bokajan	0.3166888617558683	0.32879294190163033	0.01210408014576203
Chenimari	0.7200725865820619	0.7011669381339638	-0.018905648448098056
Chouldhowaghat	0.255339071731416	0.254241935452059	-0.001097136279357036
Desangpani	0.37805852442175314	0.39995152720354454	0.021893002781791404
Dharamtul	0.5510783029520876	0.5618626605554085	0.01078435760332086
Dholabazar	-1.3652369270272944	-1.1181052084940486	0.24713171853324578
Dhubri	0.8551722177250006	0.8650109743837727	0.009838756658772096
Dibrugarh	-0.44001122603952836	0.22348232535742274	0.6634935513969511
Dillighat	0.08493667910130365	0.13724150655998368	0.05230482745868004
Gelabil	0.10128728796543685	0.12967692153513977	0.02838963356970292
Goalpara	0.8512461899775181	0.8605118379156127	0.00926564793809459
Golaghat	0.43325555039895314	0.4667733043544595	0.03351775395550638
Guwahati	0.8857147553453816	0.9106473936456345	0.02493263830025294
Jiabharali NT Road X-ing	-0.014185175560048169	0.18156865976756809	0.19575383532761625
Kampur	0.5036722171224572	0.5375832845667163	0.03391106744425909
Kheronighat	0.5369054699071945	0.5658441262374312	0.028938656330236734
Kibithu	0.11911187001776047	0.13034886582331529	0.011236995805554817
Manas NH Crossing	0.29809200942195624	0.3196220545834817	0.021530045161525457
Margherita	0.17768562066267957	0.16697132710264284	-0.010714293560036725
Mathanguri	0.15863617688268716	0.16311326711317198	0.004477090230484815
Matunga	0.050344635450549124	0.09791442734420186	0.047569791893652735
Naharkatia	0.3165976242146106	0.3072153402238076	-0.009382283990802986
Nanglamoraghat	0.5855394105846985	0.5774178406566732	-0.008121569928025263
Neamatighat	0.4874680766092895	0.5963765192370596	0.10890844262777011
Numaligarh	0.5480987143354679	0.542264638302129	-0.005834076033338853
Pagladiya N.T.Road X-ING	0.20836194390983376	0.24480898735903844	0.036447043449204686
Panbari	0.24456172629159956	0.2449293515799722	0.00036762528837264163
Passighat	0.059395888047660605	0.15037602478579704	0.09098013673813643
Puthimari N.H X-ING	0.25037340454982393	0.28208453691665725	0.03171113236683332
Seppa	0.11646708708369591	0.1445160785925852	0.028048991508889287
Sivasagar	0.35968206910588096	0.36774523888722543	0.00806316978134447
Suklai	0.23730410975983496	0.24127796559630577	0.003973855836470808
Tezpur	0.8415065285695466	0.7858503277945921	-0.05565620077495448
Tezu	0.11770004892932584	0.10769783158601853	-0.010002217343307307
Auralya	0.2924280872048822	0.30472394072224596	0.01229585351736373
Banda	0.6705910336918739	0.6836292384335845	0.01303820474171058
Chillaghat	0.5520156264832755	0.7347791852147051	0.18276355873142958
Etawah	0.3199532511938191	0.34887872136043463	0.028925470166615508
Gaisabad	0.44250679775838864	0.48224566417641745	0.03973886641802882
Garrauli	0.49479745081499416	0.5193523121468859	0.024554861331891775
Hamirpur	0.17919800461891522	0.1771406671326362	-0.0020573374862790095
Kalpi	0.37933718671550687	0.4201586180825567	0.040821431367049854
Kora	-0.5415282761182365	-0.052580157128803595	0.4889481189894329
Marla	0.45782183230134577	0.495423753617532	0.037601921316186226
Nautghat	0.30365645039633693	0.34756461544492745	0.04390816504859052
Shahijina	0.4823139641158328	0.476538691092261	-0.005775273023571836
Udi	0.3991852629166368	0.3974146891071355	-0.0017705738095012968

• HydroNets は代表的な流域においてフラットな線形ベースラインを上回る。
• より深い地域木構造は HydroNets に対して継続的な改善をもたらすが、ベースラインには見られない。
• 訓練データが少なくなるにつれて HydroNets の相対的利益が大きくなり、サンプル複雑性が低減されることを示す。
• 流域全体で HydroNets はフラットモデルより持続的なR二乗値を提供し、特に上流域で顕著である。
• 共有 upstream 埋め込み機構を通じて上流サブ流域情報を活用することでモデルが一貫して利益を得る。