[論文レビュー] A Data Scientist's Guide to Streamflow Prediction

Martin Gauch, Jimmy Lin|arXiv (Cornell University)|Jun 5, 2020

Hydrology and Watershed Management Studies参考文献 15被引用数 7

ひとこと要約

この論文は、流速予測に取り組むデータサイエンティスト向けの包括的ガイドとして機能し、水文的概念、モデルフレームワーク、実務的配慮を明確にしている。機械学習モデルが気象的および地理空間的入力を用いて流速を予測する方法を概説し、流出量と流速の違い、ルーティングモデルの役割、データ同化およびオープンループ予測の重要性を強調している。運用環境における重要性を強調している。

ABSTRACT

In recent years, the paradigms of data-driven science have become essential components of physical sciences, particularly in geophysical disciplines such as climatology. The field of hydrology is one of these disciplines where machine learning and data-driven models have attracted significant attention. This offers significant potential for data scientists' contributions to hydrologic research. As in every interdisciplinary research effort, an initial mutual understanding of the domain is key to successful work later on. In this work, we focus on the element of hydrologic rainfall--runoff models and their application to forecast floods and predict streamflow, the volume of water flowing in a river. This guide aims to help interested data scientists gain an understanding of the problem, the hydrologic concepts involved, and the details that come up along the way. We have captured lessons that we have learned while "coming up to speed" on streamflow prediction and hope that our experiences will be useful to the community.

研究の動機と目的

• データサイエンティストが流速予測の分野において基礎的な知識を習得できるように、データサイエンスと水文学の間のギャップを埋めること。
• 機械学習の実務家向けに、流出量、流速、流域、測流所といった核心的な水文的概念を明確にすること。
• 流速予測における一括モデルと（準）分散モデルの違いを説明すること。
• 未測流流域におけるモデリングの課題と、運用予測におけるデータ同化の役割を扱うこと。
• 洪水予測および気候適応に向けた一般化可能で物理的に解釈可能なモデルの開発を支援すること。

提案手法

• 論文は、気象的力 $X$ と静的地理的データ $\Sigma$ を用いて、流速予測を教師あり学習問題として定式化した形式的なモデリング設定を導入している。
• 過去の流速が入力として使われないオープンループ予測と、過去の流速 $y_{t-k+1}, \dots, y_{t-1}$ が入力として使われるデータ同化の違いを明確にしている。
• モデル出力 $\hat{y}_t$ は、パラメータ $\theta$ を持つ関数 $f(\Sigma, X_{t-k+1}, \dots, X_t; \theta)$ を用いて予測される。
• 一括モデルでは、入力が流域全体にわたって集約されるが、（準）分散モデルでは $h \times w$ の空間グリッド入力が使われる。
• 時間系列データ $\mathcal{D} = \{(X_t, y_t)\}_{t=1}^T$ を用いた学習により、予測タスクを標準的な機械学習ワークフローに合わせて形式化している。
• 過去の流速が物理的に解釈可能なモデルではしばしば無視されるが、精度向上のためデータ同化を介して組み込むことができる点を強調している。

実験結果

リサーチクエスチョン

• RQ1 気候変動や極端な気象現象の文脈において、データサイエンティストはどのように流速予測に貢献できるか？
• RQ2 流速モデリングの根幹をなす主要な水文的概念（流出量、流速、流域、測流所など）は何か？
• RQ3 一括モデルと（準）分散モデルは、入力表現と応用においてどのように異なるか？
• RQ4 オープンループ予測と比較して、データ同化は流速予測の精度をどのように向上させるか？
• RQ5 測流が可能な流域で訓練されたモデルは、流速測定ができない未測流流域にどのように適用できるか？

主な発見

• 流速予測は、流域全体における流出量の集積をモデル化する必要がある空間時間的タスクであり、流速は測流所で測定され、立方メートル毎秒で表される。
• グリッドセルまたは準流域で定義される流出量は、しばしば水文モデル内で内部的にモデル化されるが、評価は測流所での観測流速に基づく。
• データ同化は過去の流速測定を組み込むことで予測精度を向上させるが、物理的解釈性を損なう可能性がある。
• 未測流流域では、モデルが一つの流域で訓練され、真の値が得られない別の流域に適用されるため、一般化の面で大きな課題が生じる。
• 一括モデルおよび分散モデルの両アプローチにおいて、静的地理空間データ $\Sigma$（例：標高、土地被覆）と時間系列の力 $X$（例：降水量、気温）の使用が中心的役割を果たす。
• 流速に高い自己相関があるにもかかわらず、多くの物理的動機付けを持つモデルは、解釈性を保つためおよび未測流流域への適用を可能にするため、過去の流速を排除している。