Previsão do Nível da Água Baseada em Transformer no Lago Poyang, China

O nível da água é um indicador importante das características hidrológicas do lago, e sua flutuação afeta significativamente os ecossistemas lacustres. Nos últimos anos, modelos de aprendizado profundo mostraram sua superioridade na previsão de longo prazo dos processos hidrológicos, enquanto a aplicação de modelos de aprendizado profundo com mecanismo de atenção para a previsão do nível da água do lago é muito rara. Neste artigo, tomando o Lago Poyang como estudo de caso, o modelo de rede neural transformer é aplicado para examinar o desempenho do modelo na previsão do nível da água do lago, explorar os efeitos do Rio Yangtze nas flutuações do nível da água do lago e analisar a influência dos hiperparâmetros (tamanho da janela e camadas do modelo) e do tempo de antecedência na precisão do modelo. O resultado indicou que o modelo transformer tem um bom desempenho na simulação das variações do nível da água do lago e pode refletir as características de variação temporal do nível da água no Lago Poyang. Na fase de teste, os valores de RMSE foram registrados na faixa de 0,26–0,70 m, e os valores de NSE são superiores a 0,94. Além disso, o afluxo do Rio Yangtze tem uma grande influência na flutuação do nível da água do Lago Poyang, especialmente em períodos de enchentes e de recessão. A taxa de contribuição do Rio Yangtze no RMSE e NSE é superior a 80% e 270%, respectivamente. Adicionalmente, os hiperparâmetros, como tamanho da janela e camadas do modelo, influenciam significativamente a precisão da simulação do modelo transformer. Neste estudo, um tamanho de janela de 90 dias e uma camada de modelo de 6 são os hiperparâmetros mais adequados para a previsão do nível da água no Lago Poyang. Além disso, o tempo de antecedência pode afetar a precisão do modelo na previsão do nível da água do lago. Com o tempo de antecedência variando de um a sete dias, a precisão do modelo foi alta e os valores de RMSE estavam na faixa de 0,46–0,73 m, enquanto o valor de RMSE aumentou para 1,37 m e 1,82 m com os tempos de antecedência de 15 e 30 dias, respectivamente. O modelo de rede neural transformer construído neste artigo foi o primeiro a ser aplicado na previsão do nível da água do lago e mostrou alta eficiência no Lago Poyang. No entanto, poucos estudos tentaram usar o modelo transformer acoplado com o mecanismo de atenção para prever processos hidrológicos. Sugere-se que o modelo possa ser utilizado para previsões de séries temporais de longa sequência em processos hidrológicos em outros lagos para testar seu desempenho, fornecendo mais evidências científicas para o controle das enchentes nos lagos e gestão dos recursos lacustres.