Professor Sun Bo (Nanjing University of Information Science and Technology) en collega's voerden onderzoek uit naar grondwatervoorspellingen in Ningxia en ontdekten dat twee hybride machine learning-modellen – namelijk het Multi-head Attention – Convolution Neural Network – Long Short Term Memory (MH) -CNN-LSTM) en de Multi-head Attention-Convolution Neural Network-Gated Recurrent Unit (MH-CNN-GRU) – hebben een groot potentieel bij het voorspellen van de grondwaterdiepte in het Ningxia-gebied. De bevindingen zijn onlangs gepubliceerd in Atmospheric and Oceanic Science Letters .

In deze studie worden de factoren die verband houden met grondwater, zoals neerslag, geselecteerd en worden twee hybride deep learning-modellen, CNN-LSTM en CNN-GRU, gecombineerd met multi-head aandacht. Vervolgens worden ze vergeleken met het meervoudige lineaire regressiemodel, een traditioneel statistisch model.

Bovendien wordt het mestkeveroptimalisatie-algoritme (DBO) gebruikt om het voorspellingsvermogen van de hybride deep learning-modellen verder te verbeteren door parameters te optimaliseren. De tentkaart, adaptieve T-verdeling en spiraalzoekstrategie worden gebruikt om de DBO te verbeteren, en de voorspellingsresultaten van modellen met de verbeterde DBO en de oorspronkelijke DBO worden vergeleken.

Hun voorspellende prestaties zijn beter dan die van het traditionele meervoudige lineaire regressiemodel. Bovendien kan het DBO-algoritme de voorspellingsnauwkeurigheid van het model verder verbeteren. Vergeleken met de originele DBO presteren de modellen met de verbeterde DBO beter.

De neerslag in het Ningxia-gebied is voornamelijk geconcentreerd in de zomer, en dus neemt het grondwater in deze regio in de zomer aanzienlijk toe in vergelijking met de andere drie seizoenen. In de toekomst zal het onderzoeksteam zich concentreren op zomergrondwater in het Ningxia-gebied en de gerelateerde fysieke mechanismen bestuderen. Vervolgens zal verder worden onderzocht of de toevoeging van factoren die verband houden met deze fysieke mechanismen de voorspellingsresultaten aanzienlijk kan verbeteren.

Meer informatie: Jiarui Cai et al., Toepassing van de verbeterde mestkever-optimizer, muti-head-aandacht en hybride deep-learning-algoritmen op grondwaterdieptevoorspelling in het Ningxia-gebied, China, Atmosferische en Oceanische Wetenschapsbrieven (2024). DOI:10.1016/j.aosl.2024.100497

Aangeboden door de Chinese Academie van Wetenschappen