Water Resources Research | 融合水文地质信息的图神经网络实现黄河流域地下水位时空变化预测
针对大尺度地下水预测中物理模型参数化复杂、深度学习缺乏可解释性的长期难题,西安交通大学全球环境变化研究院地下水研究团队提出了一种图傅里叶网络(Graph Fourier Network, GFN)深度学习模型,该模型通过嵌入水文地质单元(HGUs)作为静态图结构先验,实现了对流域地下水位的时空预测与水文地质解释。该成果发表在国际水资源期刊Water Resources Research上,为在复杂水文地质条件下开展区域地下水位的短期与长期预测提供...
