【文献精选】ENG APPL ARTIF INTEL｜一个混合时间序列和物理信息的机器学习框架来预测土壤含水量

本研究旨在通过结合数据驱动的机器学习和简单水文模型，开发一个混合框架来预测土壤含水量。研究采用了混合不确定性量化（UQ）和物理信息神经网络（PINN）两种方法，利用改进的先行沉淀指数模型作为核心领域知识。通过训练深度学习模型如支持向量回归、随机森林、前馈神经网络和长短期记忆网络（LSTM），研究成功地将水文模型预测与观测值之间的残差结合起来，形成预测混合模型。研究结果表明，与纯粹使用数据驱动或水文模型相比，混合机器学习框架显著提高了预测的准确性，为农业和水文应用提供了更精确的土壤水分动态建模。