Attention-based Domain Adaptation Forecasting of Streamflow in Data-Sparse Regions

要約

タイトル：
– データ乏しい地域での河川流量予測のためのアテンションベースドドメインアダプテーション

要約：
– 洪水の影響を軽減する、クライメートスマートなインフラやガバナンスの開発に不可欠な河川流量予測について。しかし、多くの地域では河川流量の観測が少ないため、その予測が困難である。本論文では、データ乏しい地域で有効な河川流量予測を行うため、データリッチなソースドメインの水文特性を利用したアテンションベースドドメインアダプテーションの河川流量予測手法を提案する。具体的には、ドメインアダプテーション技術を活用したディープラーニングフレームワークを使用して、敵対的手法を用いて2つのドメインを識別しながら河川流量の予測を同時に行う。基準となるクロスドメイン予測モデルとの実験により、24時間先の河川流量予測の性能が向上することを示す。

要約(オリジナル)

Streamflow forecasts are critical to guide water resource management, mitigate drought and flood effects, and develop climate-smart infrastructure and governance. Many global regions, however, have limited streamflow observations to guide evidence-based management strategies. In this paper, we propose an attention-based domain adaptation streamflow forecaster for data-sparse regions. Our approach leverages the hydrological characteristics of a data-rich source domain to induce effective 24hr lead-time streamflow prediction in a data-constrained target domain. Specifically, we employ a deep-learning framework leveraging domain adaptation techniques to simultaneously train streamflow predictions and discern between both domains using an adversarial method. Experiments against baseline cross-domain forecasting models show improved performance for 24hr lead-time streamflow forecasting.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI