基于LightGBM模型秋浦河洪水过程模拟与预报研究

李 青

（安徽省安庆水文水资源局，安徽 安庆 246003）

0 引言

洪水过程是水文领域中一项复杂非线性时间序列命题。传统统计预测方法和物理驱动模型往往无法解决数据维度高、非线性关系复杂问题。近年来，受益于计算科学计算日益发展，机器学习方法在时间序列模拟中得到广泛应用。其中LightGBM采用基于梯度提升算法，通过分裂数据集来构建树，使得每个叶子节点尽可能纯净，进而提高模型的精度和泛化能力。文中以LightGBM 回归模型为探究对象，研究秋浦河洪水过程，并对影响洪水过程的各因素展开分析。

1 流域概况

秋浦河位于皖南池州、属长江下游支流，流域范围为113.3～115.6E、32.5～34.2N，流域面积2 235 km2，总流程150 km。属长江下游丘陵、山地、峡谷、盆地复杂地形，海拔介于50～2 768 m，地形崎岖破碎。区域冬季受西伯利亚高压控制，夏季受西北太平洋季风影响，形成亚热带季风性气候，多年平均气温13 ℃～16 ℃，年降水量800～1 200 mm，其中夏季降水量可达50%以上，具有冬凉夏热、雨热同季特点。区域年均径流量达24.34 亿m3，年内呈现丰枯变化，由于降雨强度大和强烈地表破坏，导致流域内土壤侵蚀严重，极易诱发河道淤积和洪水。

2 洪水过程模拟方法

LightGBM（Light Gradient Boosting Machine）是一基于决策树的梯度提升框架，其采用了梯度提升和GOOS 技术，因此比传统决策树模型具有更好学习能力与运行效率。其通过梯度提升的单边采样和排他性特征，突破了树模型对信息增益限制。GOSS 保留那些较大梯度的信息而随机放弃小梯度实例，以减小不同树之间输出偏差进而提高最终预测准确性。对于一个具有n 个实例的训练集｛x1…xn｝，式中xi是空间Xs 中维数为s的向量。在梯度提升迭代中，损失函数对模型输出的负梯度表示为｛g1…gn｝。对于剩余由梯度较小实例组成集合Ac，随机抽取大小为b×|Ac|的子集B，并根据子集A 上的向量Vj（d）的估计方差增益：

3 数据处理与分析

数据来源于安徽省水文中心。以秋浦河流域内7 个雨量站2020年7月19-21日逐小时降水资料，以及水文断面过境径流量数据为基础，各数据间隔为1 h，数据时间序列长度为89，以第1-60 h的样本为训练集，第61-89 h的样本为测试集。对雨洪模拟使用的资料包含逐小时的降雨、径流数据，为避免量纲差异和数据噪声，使用Man-min函数进行归一化处理进而缩放至［0，1］区间。参考相关研究经验，将雨洪相关资料处理为时间序列变量，例如设置为t-n时刻的降雨资料、和t时刻径流数据，其中n为预见期时长，R表示过境断面流量，P1～P7依次为各雨量（共7个）站观测资料。XGBoost模型输入为时间序列窗口，包含了9 个特征时间步长，即在模拟过程中窗口逐次向前滑动直至训练集末尾。预处理数据形式如表1。

表1 研究区数据预处理后时间步长形式表

4 结果与分析

4.1 秋浦河特征洪水特征

秋浦河此次洪水是当地暴雨所形成，山地丘陵区河道狭窄、蜿蜒曲折，径流汇聚快、红枫过境稍慢，其涨洪约为16 h，退峰约24 h，洪峰持续时间约50 h。由于局部降水不均，洪水前峰尚未落平、后峰接踵而至，形成复式洪峰。

4.2 LightGBM模型设计

对于洪水预测模型的构建，本文采用以下步骤：基于训练集使用Python 开源程序设计LightGBM 模型，并初始化模型参数，使用GridsearchCV方法（交叉验证）进行参数调优。该模型关键参数调节范围如下：

在LightGBM的回归模型中，链函数是默认的“Sigmoid”，它的输出范围在［0，1］之间。对于数量的预测应该采用Quantile Regression，文中的选取了分位数为0.90，从而训练出的LightGBM回归模型的准确性得到了有效保证。

4.3 洪水过程模拟与预报

利用训练好的模型对预见期洪水过程进行模拟，其具体效果见图1。图1a-f分别表示预见期为1、2、3、4、5、6 h条件下的洪水模拟与预报值，可清晰看出预测值与实际值十分贴近，其最大相对误差Bias小于20%，且较好识别了涨洪退洪过程、洪峰等洪水特征，表明其整体模型效果较好。表2进一步给出了6种预见期条件下LightGBM模型精度参数。当预见期为1 h，其预报精度最高，具体的R2达0.96，RMSE 和Bias 依次为101.50 m3/s、4.57%，当预见期为6 时，其模拟精度最低，相应地R2为0.69，RMSE和Bias依次为192.30 m3/s、19.52%。仔细分析发现，当预见期小于4时，其预测精度变化缓慢；而当预见期大于4时，其模拟精度迅速下降，表明预见期为4是其有效预测阈值。综合来看，随着预见期增加，LightGBM 模型预报精度随之降低，这是由于预见期越长而输入与输出样本之间间隔越宽，导致数据序列之间关联性逐次下降。

图1 不同预见期条件下LightGBM模型模拟洪水精度图

表2 不同预见期下LightGBM模型模拟洪水精度表

5 结论

文章建立了基于XGBoost树形结构的统计模型来模拟洪水过程。具体结论如下：①以LighrGBM为代表的机器学习模型利用非线性拟合技术，使用同期影响洪水过程的敏感变量可准确模拟和预报洪水过程，这展示了机器学习技能在水文过程、径流量序列变化仿真中良好前景。②预见期的设定严重影响模拟精度，这也表明LighrGBM算法对未来雨洪模拟存在一定局限性，即该模型对短预见期的洪水过程预报精度更高。此研究存在一定不足，例如仅使用了历史径流气象数据进行模型训练，然而洪水过程不仅与气候降雨密切相关，还与指标条件、土壤质地、蒸散发等存一定关联，而这些自然要素与径流汇聚、洪水过程之间存在滞后耦合。因此后续研究可利用EEMD特征分解的径流过程分量来描述降雨-径流过程中时滞特性，并增加更多敏感变量作为输入，进而改善增强模型对洪水物理过程的认知。