Water: 高频噪声对水文径流建模的影响分析。论文标题:Analyzing the Impact of High-Frequency Noise on Hydrological Runoff Modeling: A Frequency-Based Framework for Data Uncertainty Assessment
论文链接:https://www.mdpi.com/2073-4441/18/2/195
期刊名:Water
期刊主页:https://www.mdpi.com/journal/water
文章导读
深度学习已革新水文预测,但一个被忽视的事实是:数据噪声正悄然侵蚀模型可靠性。为此,大连理工大学刘天旭、欧阳文宇等针对LSTM径流预测模型,建立频域评估框架,系统量化了高频噪声对模型性能的影响机制。研究突破传统信号处理"一刀切"的去噪范式,提出水文特异性噪声三分法(长期趋势/短期事件/瞬态干扰),并开发自适应指数加权移动平均(AEWMA)算法,实现适度自适应平滑(α=0.9/0.6)在去噪与信号保护间的最优平衡。该研究为人工智能驱动的水文预测数据质量控制提供了首个可量化的频域决策标准。
研究过程及结果
本研究通过合成噪声注入+双域评估,在受控环境下系统解析高频噪声的影响机制。研究采用美国CAMELS数据集(671个流域,1985–2010年),设计4种噪声场景(NE1–NE4),结合2种AEWMA参数配置(轻平滑AE96、强平滑AE63),通过时域指标(NSE/RMSE)与频域功率谱密度(PSD)分析进行双重验证。

图1:基于频域的框架架构设计
水文特异性噪声三分法
传统信号处理的"白噪声/红噪声"分类与水文物理过程脱节。本研究建立的三分法体系(长期趋势/短期事件/瞬态干扰)首次将噪声按时间尺度、物理来源进行系统划分:长期趋势噪声(数周级,源于传感器漂移)扭曲基线趋势;短期事件噪声(小时-天级,源于水库调度/灌溉)干扰洪峰预测;瞬态干扰噪声(秒-分钟级,源于传输故障)诱导模型过拟合。

图2:三类水文特异性噪声的概念示意图。
AEWMA自适应算法
基于IQR动态阈值的自适应指数加权平均算法,当波动超过Q?+1.5×IQR时切换至低平滑系数(α=0.3-0.6),正常区间使用高系数(α=0.9)。该算法在671个异质性流域中无需逐站校准即可稳健运行,在噪声抑制与洪峰保护间取得最优平衡。

图3:自适应EWMA去噪算法原理图。
30%高频能量临界阈值
双域评估表明,原始径流信号中高频能量(>0.05 Hz)占比约30%。当噪声使高频能量超过此比例时,LSTM模型NSE显著下降。适度自适应平滑(α=0.9/0.6)可将性能恢复至接近清洁数据水平(NSE=0.6770 vs 0.6785),过度平滑(α=0.6/0.3)反而损害精度(NSE=0.5920)。

图4:四种实验设置(a) NE, (b) NE+AE96, (c) NE+AE63的中位NSE和平均NSE的比较。每个子图显示了所有流域的预测性能,突出了自适应误差校正对模型精度的影响。
频域能量分布机制
功率谱密度分析显示,AEWMA96在中频段(0.01-0.05 Hz)保留关键事件尺度波动,在高频段(0.05-1.0 Hz)抑制噪声尖峰同时保留短期动态。AEWMA63削减过半高频能量,但导致频谱平坦化,抹除关键水文信息。

图5:流域 01013500 在不同噪声情景(NE1-NE4)下 LSTM 预测误差的分布及最大值。

图6:噪声注入与自适应去噪场景下的平均信号能量贡献。
研究总结
本研究建立了首个面向水文AI的数据质量频域评估框架,提出了水文特异性噪声三分法,弥合了信号处理与水文物理之间的认知鸿沟;同时,开发了AEWMA自适应去噪算法,实现了噪声抑制与信号保护之间的动态平衡。此外,研究确立了高频能量占比30%作为模型性能退化的定量预警阈值。研究建议将功率谱密度(PSD)分析纳入水文数据质量控制标准流程,并根据频谱能量的分布特征自适应地选择去噪强度。
研究展望
未来研究应聚焦四个方向:(1)将实验框架拓展至受人类活动强烈干扰或数据质量较差的流域,评估方法的通用性和实用价值;(2)引入元启发式搜索算法或贝叶斯优化等自适应参数优化机制,自动推断最优频率分区阈值和去噪参数;(3)在Transformer、Mamba等新兴序列建模架构上验证该噪声量化和数据处理框架的有效性;(4)开发嵌入式频域质量诊断模块,实现"监测-诊断-预处理"的实时闭环,支撑下一代高可靠水文预报系统。
Liu, T.; Ouyang, W.; Adnan, M.; Zhang, C. Analyzing the Impact of High-Frequency Noise on Hydrological Runoff Modeling: A Frequency-Based Framework for Data Uncertainty Assessment. Water 2026, 18, 195.
期刊介绍
主编:Jean-Luc PROBST, University of Toulouse, France
Water 期刊于2009年创刊,是一个国际性、跨学科的同行评审开放获取半月刊。发表论文主题涵盖水科学的所有方面,包括水资源领域相关的科学、技术、管理和治理等原创性研究论文和综述论文。
2025 Impact Factor:3.5
2025 CiteScore:6.7
Time to First Decision:17.7 Days
Acceptance to Publication:2.8 Days
来源:Water