13、基于回归的机器学习方法在河流流量模拟中的应用

基于回归的机器学习方法在河流流量模拟中的应用

1. 流量持续曲线（FDC）评估

流量持续曲线（FDC）用于评估特定流量模拟范围的性能。按照相关方法，FDC 被划分为三个不同的部分：
- 高流量段（0 - 0.02 流量超越概率） ：表征流域对重大降水事件的响应。
- 中流量段（0.2 - 0.7 流量超越概率） ：由中等规模降水事件的流量决定，也与流域系统的中期一次和二次基流松弛响应有关。
- 低流量段（0.7 - 1.0 流量超越概率） ：与流量的长期可持续性相关，在长期干旱期间受基流与河岸蒸散（ET）相互作用的控制。

中流量段 FDC 斜率陡峭，反映流域响应迅速；斜率较平，则表示流域对降水事件的响应较慢且更持久。

2. 研究区域与数据

研究区域为美国北卡罗来纳州的东北开普菲尔河流域（NE - CFB），它是开普菲尔河流域（CFRB）的一部分。CFRB 是北卡罗来纳州最大的河流，该流域人口众多、工业化程度高，众多城市和城镇依赖其提供淡水、交通、娱乐等。

本研究使用了 CAMELS 数据集，该数据集提供了美国 671 个集水区的流域尺度水文气象强迫数据，包括来自 Daymet、Maurer 和 NLDAS 的每日气象强迫数据，以及美国地质调查局（USGS）的每日流量测量数据。具体使用的气象强迫数据有每日最高和最低温度、每日降水量、太阳辐射和蒸气压亏缺。利用 NE - CFB 数据集进行研究并预测每日流量记录。其概念框架如下：