大连理工大学建设工程学院欧阳文宇副教授团队：高频噪声对水文径流建模的影响分析 | MDPI Water

背景：深度学习广泛应用于水文预测，但数据噪声会严重影响模型可靠性，现有研究缺乏对噪声影响的系统性量化方法。研究目的：大连理工大学研究团队针对LSTM径流预测模型，建立了频域评估框架，旨在系统量化高频噪声对模型性能的影响机制，并开发自适应去噪算法。结论：研究提出水文特异性噪声三分法（长期趋势、短期事件、瞬态干扰），并开发了自适应指数加权移动平均（AEWMA）算法。通过在CAMELS数据集上验证，发现当高频能量占比超过30%时，LSTM模型NSE显著下降。适当的自适应平滑（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），而过度平滑反而损害精度。研究建立了首个面向水文AI的数据质量频域评估框架，为数据质量控制提供了可量化的频域决策标准。