Кичи агын сууларда суунун деңгээли алаптын аянты тар жана жооп берүү убактысы кыска болгондуктан катуу жаандан кийин абдан тез көтөрүлүшү мүмкүн. Салттуу эрте эскертүү системалары көбүнчө байкалган суунун деңгээли алдын ала белгиленген чектен ашышын күтөт, ошондуктан эскертүү кооптуу көтөрүлүү башталгандан кийин гана берилиши мүмкүн. Бул изилдөө суунун деңгээлин үч саат мурда божомолдогон DualTNet аттуу эки бутактуу убакыт катарлары моделин жана божомолдон алынган көтөрүлүү ылдамдыгын көзөмөлдөгөн FLOWT² статистикалык контролдоо ыкмасын бириктирет.

DualTNet өткөн 24 сааттагы 10 мүнөттүк суунун деңгээли, жаан-чачын, топтолгон жаан-чачын, алап боюнча орточо жаан-чачын, жогорку жана төмөнкү агым деңгээлдери менен ташкын-кайтуу маалыматтарын пайдаланган. Модель мезгилдүү үлгүлөрдү күчөткөн бир бутакты, божомолдо калган мезгилдүү каталарды оңдогон экинчи бутакты жана ар башка убакыт масштабдарын бириктирген ыңгайлашуучу фьюжн катмарын камтыйт.

Ыкма Түштүк Кореядагы Joman, Haman, Namdae жана Suyeong агын сууларында сыналган. Тест маалыматтары окутуу жана текшерүү мезгилдеринен кийинки 2024-жылга бөлүнүп, убакыт боюнча тышкы баалоо жүргүзүлгөн. DualTNet төрт аймактын орточо көрсөткүчүндө 0,0184 метр RMSE, 0,0118 метр MAE жана 0,9925 R² алган жана салыштырылган LSTM, GRU, Transformer, FEDformer, NSTransformer, TimesNet жана TimeMixer моделдеринен алдыга чыккан.

FLOWT² баскычы божомолдонгон суунун деңгээли туруктуу чектен ашабы деген суроо менен гана чектелбестен, кийинки үч саатта күтүлгөн орточо көтөрүлүү ылдамдыгы тарыхый кадимки жүрүм-турумдан четтейби же жокпу, ошону өлчөгөн. Изилдөөдө аныкталган жалпы сегиз маанилүү көтөрүлүү окуясынын баары DualTNet негизиндеги FLOWT² тарабынан табылган; Joman дарыясындагы мисал окуяда олуттуу ташкын деңгээли ашылганга чейин болжол менен 3–8 саат мурда эскертүү чекиттери чыгарылган.

Ошол эле учурда изилдөө рецензиядан өткөн эмес. Эскертүүлөрдү баалоо аз сандагы окуяларга негизделет, “маанилүү окуя” түшүнүгү кантип стандартташтырылганы жетиштүү түшүндүрүлгөн эмес жана окуяны табуу көрсөткүчү жалган эскертүүлөрдү түз өлчөбөйт. Реалдуу убакыттагы иштөө, байланыш кечигүүсү, сенсордун бузулушу, маалыматтын үзүлүшү жана башка өлкөлөргө же алаптарга өткөрүмдүүлүк да сыналган эмес.

Кичи агын сууларда эрте эскертүү эмне үчүн кыйыныраак?

Ири дарыяларда жаан-чачындын агын суунун деңгээлине айланышы жана ташкын толкунунун жылышы салыштырмалуу узак убакыт талап кылышы мүмкүн. Кичи алаптарда болсо жаан-чачындын жер үстүндөгү агымга айлануу убактысы кыска. Жергиликтүү жана катуу жаан суунун деңгээлин бир нече сааттын ичинде кескин көтөрүшү мүмкүн.

Бул жүрүм-турум эрте эскертүү системасы үчүн эки өзүнчө көйгөй жаратат:

• Суунун деңгээли тез көтөрүлгөн бөлүктү жана чоку маанини үч саат мурда так божомолдоо керек.
• Божомолдонгон катар жетекчилер пайдалана ала турган так жана өз убагындагы эскертүү чечимине айландырылышы керек.

Изилдөөнүн биринчи сүрөтү ушул айырманы визуалдаштырат. Туруктуу чектүү салттуу система суунун деңгээли критикалык чекке жеткенден кийин эскертүү чыгарат. Божомолу жетиштүү так эмес жасалма интеллект модели болсо туура эмес же кечиккен эскертүүгө алып келиши мүмкүн. Сунушталган системада DualTNet суунун деңгээлинин ийри сызыгын божомолдойт, ал эми FLOWT² божомолдонгон көтөрүлүү жүрүм-турумун статистикалык жактан көзөмөлдөп, чек ашыла электе эскертүү чыгарууга аракет кылат.

Изилдөө кайсы агын сууларда жүргүзүлгөн?

Изилдөө Түштүк Кореяда гидрологиялык жүрүм-туруму бири-биринен айырмаланган төрт кичи агын сууну камтыйт.

Joman, Haman жана Suyeong аймактарында 2020–2022 маалыматтары окутууга, 2023 маалыматтары текшерүүгө, 2024 маалыматтары тестке колдонулган. Кыскараак жазмасы бар Namdae аймагында бул мезгилдер тиешелүүлүгүнө жараша 2022, 2023 жана 2024 болуп белгиленген. Убакыт ирети менен мындай бөлүү келечектеги байкоолорду өткөн маалыматтар менен окутулган моделдерге каршы сыноого мүмкүндүк берет.

Кандай маалыматтар колдонулган?

Бардык өзгөрмөлөр 10 мүнөттүк аралык менен жазылган. Ар бир божомол үчүн өткөн 24 саат, башкача айтканда 144 убакыт кадамы кириш маалымат катары колдонулуп, үч сааттан кийинки суунун деңгээли божомолдонгон.

Негизги кириштер төмөнкүлөр:

• Максаттуу станциядагы мурдагы суунун деңгээли
• Чекиттик жаан-чачын
• Үч сааттык топтолгон жаан-чачын
• Радар же байкоого негизделген алап боюнча орточо жаан-чачын
• Жогорку агымдагы суунун деңгээлдери
• Төмөнкү агымдагы суунун деңгээли
• Ташкын-кайтуу деңгээли

Кириш топтому ар бир аймак үчүн бирдей сакталган эмес. Мисалы, Haman дарыясында арткы суу таасирин көрсөтүү үчүн эки жогорку агым жана бир төмөнкү агым станциясынын суу деңгээлдери кошулган. Suyeong дарыясында болсо дарыя оозуна жакын жайгашкандыктан ташкын-кайтуу деңгээли жана эки өзүнчө аймактын алап боюнча орточо жаан-чачыны колдонулган.

Бул аймакка ылайыкташтыруу ыкманын күчтүү жактарынын бири; бирок ошол эле учурда ар бир аймакта өзгөрмөлөрдүн саны жана түрү ар башка болгондуктан, өндүрүмдүүлүк айырмасы модель архитектурасынан гана келип чыккан деп айтууну кыйындатат.

Салттуу ташкын чектери

Изилдөөдө көңүл буруу, сактануу, коңгуроо жана олуттуу ташкын деңгээлдери үчүн жергиликтүү туруктуу суу деңгээли чектери колдонулган.

Бул чектер божомол моделдеринин precision жана recall маанилерин эсептөө жана салттуу эскертүү системасы менен салыштыруу үчүн колдонулган. FLOWT² болсо эскертүү чечимин түздөн-түз ушул деңгээлдердин ашылышына байлабайт.

DualTNet архитектурасы кантип иштейт?

DualTNet кичи агын суулардагы эки башка убакыт жүрүм-турумун өзүнчө бутактарда үйрөнүү үчүн иштелип чыккан:

• Кайталанган сезондук, күнүмдүк же ташкын-кайтуу менен байланышкан мезгилдүү жүрүм-турумдар
• Жаандан кийин пайда болгон күтүүсүз жана ар башка масштабдагы көтөрүлүүлөр

Көп масштабдуу киришти иштетүү

Кириш катарлары адегенде ар башка убакыт масштабдарына түшүрүлөт. Муну менен модель бир эле окуянын кыска аралыктагы тез өзгөрүүлөрүн жана узагыраак мөөнөттүү тенденциясын өзүнчө чечилиштерде талдай алат. Ар бир масштаб нормалдаштырылып, үйрөнүлүүчү өкүлчүлүк мейкиндигине өткөрүлөт.

EPDM бутак

Enhanced Past Decomposable Mixing деп аталган биринчи бутак өткөн катарлардагы мезгилдүү маалыматты божомолдун негизги өзөгүнө кошот.

Бул бутакта төмөнкү иш-аракеттер аткарылат:

1. Тез Фурье өзгөртүүсү менен үстөм мезгилдерди чыгаруу
2. Бир өлчөмдүү убакыт катарын эки өлчөмдүү мезгилдүү түзүлүштөргө айландыруу
3. Ар башка өлчөмдөгү конволюция ядролору менен мезгил ичиндеги жана мезгилдер аралык өзгөрүүлөрдү үйрөнүү
4. Мезгилдүү маалымат канчалык колдонуларын аныктаган ыңгайлашуучу дарбаза
5. Сезондук жана тенденция компоненттерин өзүнчө иштетүү
6. Ар башка убакыт масштабдарындагы божомолдорду Future Multi-Predictor Mixing модулу менен бириктирүү

Мезгилдүү калдык бутак

Экинчи бутак негизги божомол жолу толук кармай албаган мезгилдүү компоненттерди оңдойт. Бул бутак да тез Фурье өзгөртүүсүн, эки өлчөмдүү конволюцияны жана ыңгайлашуучу дарбазаны колдонуп, акырында сызыктуу божомол башы аркылуу түз калдык оңдоону чыгарат.

Ыңгайлашуучу фьюжн

EPDM жана мезгилдүү калдык бутактарынан келген натыйжалар масштаб боюнча бириктирилет. Фьюжн модулу ар бир убакыт масштабы учурдагы гидрологиялык абал үчүн канчалык маанилүү экенин үйрөнөт. Ошентип модель жаандан улам болгон күтүүсүз көтөрүлүүлөрдө кыска масштабдарга, ал эми тартиптүүрөөк термелүүлөрдө узак масштабдуу же мезгилдүү маалыматка көбүрөөк салмак бере алат.

Кайсы моделдер менен салыштырылган?

DualTNet бирдей кириш узундугу жана үч сааттык божомол горизонту менен жети башка убакыт катар модели менен салыштырылган:

• LSTM
• GRU
• Стандарттык Transformer
• FEDformer
• Non-stationary Transformer
• TimesNet
• TimeMixer

LSTM Түштүк Кореядагы ташкынды көзөмөлдөө бөлүктөрүндө колдонулган операциялык моделге туура келгендиктен практикалык эталон катары тандалган. TimesNet мезгилдүү үлгүлөрдү, TimeMixer болсо көп масштабдуу убакыт компоненттерин үйрөнгөн жаңыраак салыштыруу моделдери.

Гиперпараметрлер кантип аныкталган?

Модель жөндөөлөрүн тандоо үчүн Optuna колдонулган. Изделген негизги гиперпараметрлер төмөнкүлөр:

Attention баштарынын саны embedding өлчөмүнө жараша автоматтык дал келтирилген. Бирок ар бир модель жана аймак үчүн тандалган акыркы маанилер, сыноолордун саны, оптималдаштыруу максаты, эрте токтотуу жөндөөлөрү жана кокустук үрөндөрү негизги текстте берилбей, Кошумча материал Dге шилтеме жасалган. Тиешелүү кошумча материал жүктөлгөн нускада жок.

Божомол ийгилиги кантип өлчөнгөн?

Орточо квадраттык катанын квадраттык тамыры:

\[ RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(\hat{y}_i-y_i)^2} \]

RMSE чоң каталарды күчтүүрөөк жазалайт. \(y_i\) байкалган, \(\hat{y}_i\) божомолдонгон суунун деңгээли.

Орточо абсолюттук ката:

\[ MAE=\frac{1}{n}\sum_{i=1}^{n}|\hat{y}_i-y_i| \]

MAE божомолдордун байкоолордон орточо абсолюттук четтөөсүн метр менен көрсөтөт.

Детерминация коэффициенти:

\[ R^2=1-\frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2} \]

\(R^2\) мааниси 1ге жакындаган сайын божомолдонгон суунун деңгээлинин өзгөрүшү байкалган өзгөрүү менен күчтүү шайкеш келерин көрсөтөт.

Ташкын чегине негизделген precision:

\[ Precision=\frac{TP}{TP+FP} \]

Ташкын деп божомолдонгон учурлардын канчасы чындыгында чектен жогору болгонун көрсөтөт.

Recall:

\[ Recall=\frac{TP}{TP+FN} \]

Чыныгы чек ашуу учурларынын канчасын модель кармаганын өлчөйт.

Божомол натыйжалары

DualTNet төрт аймактын орточо көрсөткүчүндө эң төмөн RMSE жана MAE менен эң жогорку R², precision жана recall маанилерин берген.

DualTNetтин TimeMixerге салыштырмалуу орточо RMSE айырмасы 0,0031 метр, MAE айырмасы 0,0014 метр. Башкача айтканда, моделдин эң күчтүү заманбап салыштыруу ыкмасына карата утушу сантиметрден төмөн же бир нече миллиметр деңгээлинде көрүнгөнү менен, тез көтөрүлүү жана чоку маанилеринин убактысын аныктоодо окуяга негизделген айырмалар чоңураак экени айтылат.

Joman дарыясы

DualTNet 0,0144 метр RMSE, 0,0069 метр MAE жана 0,9948 R² алган. Precision 0,9076, recall 0,9150. 5-сүрөттө LSTM, GRU, Transformer жана FEDformer айрым тез көтөрүлүүлөрдү жумшартып же чоку деңгээлди төмөн божомолдогону, ал эми DualTNet байкалган ийри сызыкты жакыныраак ээрчигени көрсөтүлөт.

Haman дарыясы

Арткы суу таасири болгон аймакта DualTNetтин RMSE мааниси 0,0075 метр, MAE мааниси 0,0040 метр жана R² мааниси 0,9998. Precision жана recall маанилери 0,9979 деп берилген. Бул аймак изилдөөдөгү эң жогорку сандык шайкештикти берген.

Namdae дарыясы

DualTNet 0,0058 метр RMSE, 0,0028 метр MAE жана 0,9969 R² алган. Бирок тест мезгилинде салттуу ташкын чектеринин бири да ашылган эмес. Ошого карабастан бардык моделдер үчүн precision жана recall 1,0000 деп берилген.

Чыныгы оң жана божомолдонгон оң мисал жок болгондо:

\[ Precision=\frac{0}{0} \]

\[ Recall=\frac{0}{0} \]

болгондуктан бул метрикалар математикалык жактан аныкталбайт. Маанилерди 1 деп берүү төрт аймактын орточо классификация натыйжаларын жасалма түрдө жогорулатат. Ошондуктан Namdae натыйжалары RMSE, MAE жана R² боюнча гана чечмелениши керек.

Suyeong дарыясы

Ташкын-кайтуу таасири күчтүү аймакта DualTNet 0,0458 метр RMSE, 0,0334 метр MAE жана 0,9783 R² алган. TimeMixerдин RMSE мааниси 0,0459 метр; демек эки моделдин айырмасы болгону 0,0001 метр. Бул аймак DualTNetтин артыкчылыгы бардык шартта чоң эмес экенин көрсөтөт.

Божомол белгисиздиги

5-сүрөттө DualTNet божомолдорунун айланасында %95 божомол интервалдары көрсөтүлгөн. Интервалдар суунун деңгээли жогору болгондо кеңейип, айрыкча Haman жана Suyeong аймактарында экстремалдык маанилердин айланасында белгисиздик өскөнү көрүнөт.

Бирок негизги метод бөлүмүндө бул интервалдар Monte Carlo dropout, модель ансамбли, калдык бөлүштүрүү, conformal prediction же башка ыкма менен кантип түзүлгөнү түшүндүрүлгөн эмес. Ошондуктан %95 деген көрсөткүчтүн чыныгы камтуу деңгээлин көз карандысыз баалоого болбойт.

Моделдин түшүндүрүлмөлүүлүгү кантип изилденген?

t-SNE анализи

LSTM, TimeMixer жана DualTNetтин акыркы жашыруун катмарларынан алынган өкүлчүлүктөр t-SNE ыкмасы менен төмөн өлчөмдүү мейкиндикке түшүрүлгөн. Чекиттердин түсү убакытты, чоңдугу болсо божомолдонгон суунун деңгээлин көрсөтөт.

Joman дарыясы үчүн даярдалган сүрөттөрдө LSTM өкүлчүлүктөрү тыгыз түзүлүш жаратат, TimeMixer кеңири тарайт жана DualTNet жогорку суу деңгээли божомолдорун белгилүү бир аймакта айкыныраак топтойт деп айтылат.

Бул визуал жогорку суу абалдары модель ичинде башкача көрсөтүлөрүн билдириши мүмкүн; бирок t-SNE көзөмөлсүз визуалдаштыруу ыкмасы. Натыйжалар колдонулган perplexity, баштапкы үрөн жана аралык өлчөмүнө сезимтал болушу мүмкүн. Бул параметрлер берилген эмес. Мындан тышкары метод текстинде үч өлчөмдүү проекция айтылганы менен сүрөт эки октуу, эки өлчөмдүү көрүнүштү берет.

Integrated Gradients анализи

Integrated Gradients божомол чыгышынын ар бир киришке сезимталдыгын шилтеме кириштен чыныгы киришке чейинки жол боюнча топтойт:

\[ IG_i(x)=(x_i-x'_i)\int_0^1 \frac{\partial F(x'+\alpha(x-x'))}{\partial x_i}\,d\alpha \]

• \(x_i\): Чыныгы кириш өзгөчөлүгү
• \(x'_i\): Шилтеме же баштапкы кириш
• \(F\): Божомол модели
• \(\alpha\): Шилтемеден чыныгы киришке өтүү коэффициенти
• \(IG_i\): Өзгөчөлүктүн божомолго тиешелүү салымы

Joman дарыясындагы тандалган жогорку суу окуясында LSTM негизинен акыркы суу деңгээли байкоолоруна таянганы көрүлгөн. TimeMixer топтолгон жаан-чачынга көбүрөөк салмак берип, бирок салымдарды кеңири убакыт аралыгына тараткан.

DualTNetте топтолгон жаан-чачын, учурдагы суунун деңгээли, жаан-чачын жана алап боюнча орточо жаан-чачын бирге таасирдүү болгон. Салымдардын өзгөчө божомол учуруна жакын сааттарда топтолушу кичи агын суулардагы кыска мөөнөттүү жаан–деңгээл реакциясына шайкеш деп чечмеленген.

Бул анализ модель кайсы кириштерге сезимтал экенин көрсөтөт; бирок себептүүлүктү далилдебейт. Жогорку attribution мааниси тиешелүү өзгөрмө ташкындын физикалык себеби экенин же модель бардык окуяда бир эле чечим жолун колдоноорун билдирбейт.

FLOWT² эрте эскертүү ыкмасы

Божомолдон көтөрүлүү ылдамдыгына өтүү

DualTNetтин үч сааттан кийинки суунун деңгээли божомолу учурдагы байкоо менен салыштырылып, орточо көтөрүлүү ылдамдыгы эсептелген:

\[ r_t=\frac{\hat{h}_{t+T|t}-h_t}{T} \]

• \(r_t\): Божомолдонгон орточо суу деңгээлинин көтөрүлүү ылдамдыгы
• \(\hat{h}_{t+T|t}\): \(t\) учурунда түзүлгөн \(t+T\) суу деңгээли божомолу
• \(h_t\): Учурдагы байкалган суунун деңгээли
• \(T\): Божомол горизонту; бул изилдөөдө 3 саат

Чоң жана оң \(r_t\) мааниси суунун деңгээли кийинки үч саатта тез көтөрүлөт деп күтүлүп жатканын көрсөтөт.

Тарыхый кадимки жүрүм-турум

Көтөрүлүү ылдамдыгынын тарыхый орточосу:

\[ \mu_r=\frac{1}{N}\sum_{i=1}^{N}r_i \]

Таралуу өлчөмү текстте мындай берилген:

\[ s_r=\frac{1}{N-1}\sum_{i=1}^{N}(r_i-\mu_r)^2 \]

Бул туюнтма стандарттык четтөөгө караганда үлгүлүк дисперсияны эсептейт. Тексттин бир жеринде \(s_r^2\) колдонулса, теңдемеде \(s_r\) жазылган. Ошондуктан белгилөө так жана ырааттуу эмес.

FLOWT² статистикасы

Божомолдонгон көтөрүлүү ылдамдыгынын кадимки жүрүм-турумдан алыстыгы:

\[ T_t^2=\frac{(r_t-\mu_r)^2}{s_r} \]

түрүндө эсептелген. Көзөмөлдөнгөн маани бир өлчөмдүү болгондуктан бул туюнтма иш жүзүндө стандартташтырылган четтөөнүн квадратына туура келет. Салттуу Hotelling T² ыкмасы көп өзгөрмөлүү векторлор үчүн иштелип чыккан болсо да бул жерде бир гана көтөрүлүү ылдамдыгы катарына колдонулган.

Контролдун жогорку чеги:

\[ UCL=\frac{m+1}{m}F_{1-\alpha;1,m-1} \]

түрүндө берилип, \(\alpha=0{,}005\) колдонулган. \(T_t^2>UCL\) шарты пайда болгондо анормалдуу көтөрүлүү эскертүүсү чыгарылган.

Формулаларда тарыхый үлгү саны адегенде \(N\), контрол чегинде болсо \(m\) менен көрсөтүлгөн. Текст булар бир эле үлгү топтомун билдиреби же жокпу ачык айтпайт.

Контрол чегин аныктоодогу белгисиздик

Изилдөө орточо жана дисперсия “тарыхый маалымат топтомунан” эсептелгенин айтат; бирок бул топтом окутуу маалыматтарын гана, окутуу жана текшерүүнү, же бардык байкоо мезгилин камтыйбы, түшүндүрүлгөн эмес.

Эгер контрол чегине тест мезгилинин маалыматтары киргизилген болсо, келечектеги жүрүм-турум модель иштеп чыгуу баскычына агып кеткен болот. Окутуу мезгили гана колдонулганы так көрсөтүлбөгөндүктөн, эскертүү өндүрүмдүүлүгү маалымат агып кетүүдөн толук көз карандысыз экени тастыкталбайт.

FLOWT² кайсы окуяларды тапкан?

Эскертүү ыкмасынын ийгилиги төрт аймактагы жалпы сегиз “маанилүү суу деңгээли көтөрүлүүсү” боюнча бааланган.

DualTNet негизиндеги ыкма сегиз маанилүү окуя үчүн сегиз эскертүү чыгарып, алардын баары туура окуяларга дал келген. LSTM негизиндеги ыкма жалпы 18 окуя эскертүүсүн чыгарып, алардын төртөө гана маанилүү көтөрүлүүлөргө дал келген. TimeMixer негизиндеги система сегиз эскертүү чыгарып, алты маанилүү окуяны кармаган.

“%100 табуу көрсөткүчү” кантип чечмелениши керек?

Изилдөөдө колдонулган көрсөткүч төмөнкүдөй:

\[ \text{Önemli olay tespit oranı}=\frac{\text{Doğru tespit edilen önemli olay}}{\text{Gerçek önemli olay sayısı}} \]

Бул өлчөм окуяга негизделген recall мааниси. Жалган эскертүүлөр бөлүүчүгө киргизилбейт. Мисалы, Suyeong аймагында LSTM үч эскертүү чыгарып, алардын бирөө гана чыныгы маанилүү окуяга дал келген; ошого карабастан жалгыз чыныгы окуяны кармагандыктан көрсөткүч %100 деп берилген.

Ошондуктан “%100 табуу” деген сөз жалган эскертүү жок экенин билдирбейт. DualTNet таблицасында чыгарылган окуялардын саны менен туура окуялардын саны бирдей болгондуктан, берилген кичинекей үлгүдө кошумча жалган окуя көрүнбөйт. Бирок ыкманын ишенимдүүлүгүн баалоо үчүн окуя precision-у, жалган эскертүү көрсөткүчү, орточо алдын ала эскертүү убактысы, бир эскертүүгө туура келген кайталоо саны жана убакыт катасы да берилиши керек.

Joman дарыясындагы эрте эскертүү салыштыруусу

Изилдөөнүн кеңири мисалында үч система салыштырылган:

FLOWT² олуттуу суу деңгээлинин чеги үч сааттан кийинки божомолдо ашылышын гана күтпөстөн, көтөрүлүү кадимки жүрүм-турумдан четтей баштаган эртерээк мезгилде эскертүү чыгарган. Ошондуктан үч сааттык божомол моделинен айрым окуяларда үч сааттан узун “чек ашылганга чейинки убакыт” алынган.

Изилдөөнүн жалпы таблицасында аймак жана окуяга жараша болжол менен 3 сааттан 1 күнгө чейин алдын ала убакыт айтылат. Бирок бир күнгө жеткен мисалдар Кошумча материал Gде көрсөтүлгөн сүрөттөргө таянары айтылат. Бул кошумча материалдар жүктөлгөн нускада жок болгондуктан бир күндүк жогорку чек негизги тексттен көз карандысыз текшериле албайт.

Изилдөөнүн күчтүү жактары

• Ар башка гидрологиялык шарттагы төрт реалдуу кичи агын суу колдонулган.
• Окутуу, текшерүү жана тест мезгилдери кокус аралаштырылбастан жылдар боюнча бөлүнгөн.
• Сунушталган модель жети күчтүү убакыт катар ыкмасы менен салыштырылган.
• Божомол каталарынан тышкары чекке негизделген precision жана recall маанилери берилген.
• Тез көтөрүлүү, арткы суу жана ташкын-кайтуу таасирлери өзүнчө аймактарда изилденген.
• Модель жүрүм-туруму t-SNE жана Integrated Gradients менен визуалдаштырылган.
• Божомол модели түздөн-түз операциялык эскертүү логикасына байланыштырылган.
• Эскертүүлөр убакыт кадамы деңгээлинде гана эмес, окуя масштабында да изилденген.
• Модель тандоодо келечектеги бир жылды тест мезгили катары бөлүү кокус бөлүүгө караганда реалдуураак баалоо берген.

Негизги чектөөлөр

• Изилдөө рецензиядан өтпөгөн preprint.
• Түштүк Кореядагы төрт агын сууда гана сыналган; көз карандысыз өлкө же алапта тышкы текшерүү жок.
• Эскертүү баалоосунда жалпы сегиз гана маанилүү көтөрүлүү окуясы бар.
• Маанилүү көтөрүлүү окуяларынын объективдүү башталыш, аяктоо жана күчтүүлүк аныктамалары түшүндүрүлгөн эмес.
• Окуя табуу көрсөткүчү жалган эскертүүлөрдүн санын жазалабайт.
• Namdae аймагында оң чек ашуу болбогонуна карабастан аныкталбаган precision жана recall маанилери 1 деп берилген.
• Кайталанган окутуулар, кокустук үрөндөрү, стандарттык четтөөлөр жана ишеним интервалдары берилген эмес.
• DualTNetтин EPDM, мезгилдүү калдык жана ыңгайлашуучу фьюжн компоненттери үчүн өзүнчө модулду алып салуу эксперименти жүргүзүлгөн эмес.
• Моделдин утушу кайсы архитектуралык компоненттен келип чыкканы түз көрсөтүлгөн эмес.
• Optuna сыноолорунун саны жана тандалган акыркы гиперпараметрлер негизги текстте жок.
• Код, окутулган модель салмактары жана маалымат даярдоо скрипттери үчүн ачык репозиторий шилтемеси берилген эмес.
• FLOWT² контрол чеги окутуу, текшерүү же бардык мезгилдин кайсынысынан эсептелгени айтылган эмес.
• FLOWT² бир өзгөрмөлүү көтөрүлүү ылдамдыгына колдонулганы менен Hotelling T² деп аталган.
• Дисперсия жана стандарттык четтөө белгилөөлөрү менен \(N\) жана \(m\) үлгү саны символдору ырааттуу эмес.
• %95 божомол интервалдары кантип түзүлгөнү түшүндүрүлгөн эмес.
• t-SNE тексти үч өлчөмдүү проекцияны айтса, сүрөт эки өлчөмдүү.
• Бир күнгө чейинки эскертүү убактысын колдогон кошумча сүрөттөр жүктөлгөн нускада жок.
• Реалдуу убакыттагы иштетүү убактысы, жабдык, маалымат агымынын кечигүүсү жана системанын жеткиликтүүлүгү өлчөнгөн эмес.
• Сенсордун бузулушу, жетишпеген маалымат, байланыш үзүлүшү жана туура эмес жаан өлчөө сценарийлери сыналган эмес.
• Эскертүүлөрдү чыныгы жетекчилер колдонгон операциялык пилоттук колдонмо берилген эмес.

Изилдөө эмнени колдойт?

Натыйжалар DualTNet тандалган төрт агын суунун 2024 тест маалыматтарында салыштырылган жети моделге караганда төмөн орточо суу деңгээли божомол катасын бере аларын колдойт. Модель өзгөчө Joman жана Haman аймактарындагы тез же арткы суунун таасириндеги көтөрүлүүлөрдө күчтүү натыйжа берген.

Изилдөө ошондой эле туруктуу ташкын чектери жакшы үч сааттык божомол модели менен колдонулганда байкалган чек ашуудан мурда эскертүү бере аларын; божомолдонгон көтөрүлүү ылдамдыгынын статистикалык четтөөсүн көзөмөлдөгөн FLOWT² ыкмасы айрым окуяларда бул убакытты дагы узарта аларын көрсөтөт.

Integrated Gradients натыйжалары DualTNet мурдагы суу деңгээлине гана эмес, жаан-чачын жана топтолгон жаан-чачын сыяктуу тышкы кириштерге да сезимтал экенин көрсөтөт. Бул табылга моделдин божомол жүрүм-туруму кичи агын суулардын кыска мөөнөттүү жаан реакциясына шайкеш болушу мүмкүн экенин колдойт.

Изилдөө эмнени далилдебейт?

Изилдөө DualTNet-FLOWT² системасы бардык кичи агын сууда %100 ташкын табууну камсыз кылат деп далилдебейт. %100 мааниси төрт аймакта аныкталган сегиз маанилүү көтөрүлүү окуясына гана тиешелүү.

Изилдөө ыкма Түркияда, башка климаттарда, өлчөө станциялары сейрек болгон алаптарда же божомолдонгондон күчтүүрөөк окуяларда ошол эле тактыкты сактарын көрсөтпөйт. Модель мурдагы байкоолордо кездешпеген гидрологиялык шарттарда кошумча текшерүүнү талап кылат.

Бир күндүк эскертүү убактысы универсалдуу божомол горизонту эмес. Модель болгону үч саат алдыдагы суунун деңгээлин божомолдойт. Узагыраак алдын ала убакыт баштапкы анормалдуу көтөрүлүү акыркы ташкын чегинен алда канча мурда табылганына негизделет жана ар бир окуяда болбой калышы мүмкүн.

Ошондой эле модель талаада реалдуу убакытта иштеген, үзгүлтүксүз, ишенимдүү жана институционалдык чечим процесстерине интеграцияланган эрте эскертүү системасы экени көрсөтүлгөн эмес.

Түркия үчүн мүмкүн болгон мааниси

Ыкма Түркияда кыска жооп берүү убактысы бар кичи агын сууларды жана шаар ичиндеги арыктарды көзөмөлдөө үчүн маанилүү изилдөө алкагын сунуштайт. Айрыкча туруктуу суу деңгээли чектерине гана таянган системаларда божомолдонгон көтөрүлүү ылдамдыгын өзүнчө көзөмөлдөө эртерээк чечим чыгаруу мүмкүнчүлүгүн берет.

Түркияда колдонула турган система үчүн жергиликтүү агын суулардын өлчөө жыштыгы, жаан радарлары, жогорку жана төмөнкү агым станциялары, ташкын-кайтуу же арткы суу таасирлери жана жергиликтүү ташкын чектери өзүнчө моделдениши керек. Түштүк Кореяда үйрөтүлгөн салмактарды Түркияга түз колдонуу туура эмес.

Операциялык колдонуудан мурда төмөнкү текшерүүлөр талап кылынат:

1. Бир нече Түркия алабында мурдагы окуялар менен ретроспективдүү тест
2. Ташкын окуяларын көз карандысыз адистер алдын ала аныкталган критерийлер менен белгилөөсү
3. Жалган эскертүү көрсөткүчү, өткөрүп жиберилген окуя көрсөткүчү жана эскертүү убактысынын катасын бирге берүү
4. Түз сенсор жана жаан маалыматтары менен реалдуу убакыттагы пилоттук изилдөө
5. Жетишпеген маалымат жана байланыш үзүлүү сценарийлери
6. Контрол чектерин өткөн окутуу мезгилинен гана эсептөө
7. Ыктымалдык божомол жана калибрленген белгисиздик интервалдары
8. Жергиликтүү кырсык башкаруу бөлүктөрү менен адам–система чечим агымын сыноо

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Эң маанилүү сандык натыйжалар

• DualTNetтин төрт аймактагы орточо RMSE мааниси 0,0184 метр.
• Орточо MAE 0,0118 метр, R² 0,9925.
• Орточо precision 0,9706, recall 0,9658 деп берилген.
• Joman дарыясында RMSE 0,0144 метр жана R² 0,9948.
• Haman дарыясында RMSE 0,0075 метр жана R² 0,9998.
• Namdae дарыясында RMSE 0,0058 метр жана R² 0,9969.
• Suyeong дарыясында RMSE 0,0458 метр жана R² 0,9783.
• DualTNet-FLOWT² жалпы сегиз маанилүү көтөрүлүүнүн сегизин тапкан.
• Joman мисалында туруктуу чектүү DualTNet болжол менен 3 саат алдын ала убакыт берген.
• Ошол эле окуяда DualTNet-FLOWT² болжол менен 3–8 саат алдын ала убакыт чыгарган.

Натыйжалардын ишенимдүүлүгүн жогорулата турган кошумча эксперименттер

1. DualTNet компоненттерин өз-өзүнчө алып салган абляция тесттери
2. Кеминде беш башка кокустук үрөн менен орточо жана стандарттык четтөөнү берүү
3. Rolling-origin же ырааттуу жылдарга негизделген көп убакыт катар текшерүүсү
4. Көз карандысыз өлкө жана алаптарда тышкы тест
5. Окуя precision-у, recall, F1, жалган эскертүү көрсөткүчү жана эскертүү убактысынын катасы
6. FLOWT² үчүн ар башка альфа маанилеринин сезимталдык анализи
7. Контрол чеги окутуу маалыматтары менен гана эсептелгенин көрсөтүү
8. Жогорку суу окуясынын аныктамасын объективдүү жана алдын ала белгиленген критерийлерге байлоо
9. Божомол интервалдары үчүн камтуу ыктымалдыгы жана орточо интервал кеңдиги
10. Сенсордун бузулушу, жетишпеген маалымат жана кечиккен маалымат тесттери
11. Реалдуу убакыттагы иштетүү убактысын жана жабдык ресурстарын өлчөө
12. Жергиликтүү кырсык башкаруу бөлүктөрү менен операциялык пилоттук колдонмо

Булак жана Ыкма Жөнүндө Эскертүү

Изилдөөнүн түп нуска аталышы: Interpretable flood early warning via dual-branch temporal network: Application to small rivers with rapid water-level changes

Кыска аталышы: DualTNet-based flood prediction

Авторлор жана туура ирети: HaEun Jung, YoungHo Song, Sangdan Kim, KiJeon Nam.

Биргелешкен биринчи автор же тең салым: Изилдөөдө биргелешкен биринчи авторлук же тең салым тууралуу билдирүү жок.

Жооптуу автор: KiJeon Nam.

Институционалдык байланыш: Department of Environmental Engineering, Pukyong National University, Busan 48513, Republic of Korea.

DOI:10.2139/ssrn.7025913

Расмий изилдөө барагы:SSRN расмий жазмасы

Жарыялоо платформасы: SSRN.

Платформа оператору: Elsevier курамындагы SSRN платформасы.

Жүктөлгөн күнү: 30 июнь 2026.

Жарыяланган жылы: 2026.

Журнал: Рецензияланган журналдык жарыя текшерилген эмес. Изилдөөнүн башындагы “VSI: AI–Hydrology Digital Twins” деген жазуу мүмкүн болгон атайын чыгарылыш максатын көрсөтөт, бирок жарыяланган журналдык идентификация болуп эсептелбейт.

Рецензия абалы: Изилдөө рецензиядан өтпөгөн preprint.

Булактын түрү: Жаңы терең үйрөнүү архитектурасын, түшүндүрүлүүчү жасалма интеллект анализин жана божомолго негизделген статистикалык эрте эскертүү ыкмасын камтыган эсептөө гидрологиясы изилдөөсү.

Каржылоо: Изилдөө Korea Environment Industry & Technology Institute тарабынан жүргүзүлүп, Korea Ministry of Environment колдогон RS-2024-00332300 номерлүү долбоор жана National Research Foundation of Koreaнын RS-2025-16067766 номерлүү колдоосу аркылуу каржыланган.

Генеративдик жасалма интеллект колдонулушу: Авторлор ChatGPTни грамматиканы оңдоо үчүн колдонгонун, андан кийин мазмунду кайра карап чыгып, толук жоопкерчиликти өздөрү алганын билдирген.

Кызыкчылыктардын кагылышы: Жүктөлгөн нускада ачык кызыкчылыктардын кагылышы тууралуу билдирүү жок.

Авторлордун салымы: Толук автор салымы таблицасы же CRediT билдирүүсү жок.

Маалымат булактары: Суунун деңгээли, чекиттик жаан-чачын жана айрым алап боюнча орточо жаан-чачын маалыматтары Nakdong River Flood Control Office; радарга негизделген алап жаан-чачын маалыматтары Han River Flood Control Office; ташкын-кайтуу маалыматтары Korea Hydrographic and Oceanographic Agency булактарынан алынган.

Маалымат жана код жеткиликтүүлүгү: Модель коду, окутуу скрипттери, окутулган салмактар, толук маалымат топтомдору жана кайра өндүрүлүүчү эксперимент конфигурациясы үчүн ачык репозиторий шилтемеси берилген эмес.

Кошумча материал абалы: Изилдөөдө математикалык архитектуралык деталдар, модель түшүндүрмөлөрү, Optuna натыйжалары, башка аймактардагы XAI анализдери жана эрте эскертүү салыштыруулары үчүн Кошумча материал A–Gге шилтеме берилет. Бул кошумча материалдар жүктөлгөн 49 барактык нускада жок.

Бул кыргызча түшүндүрмө изилдөөнүн негизги тексти, формулалары, таблицалары, убакыт катарлары, архитектура схемалары, божомол графиктери, t-SNE көрсөтмөлөрү, Integrated Gradients анализдери жана окуяга негизделген эскертүү таблицаларына таянып даярдалган. Илимий натыйжаларга тышкы булактардан жаңы табылга кошулган эмес. Тышкы текшерүү аталыш, авторлор, DOI, жүктөлгөн күн, платформа жана расмий изилдөө шилтемесин ырастоо менен гана чектелген.

Натыйжалар каралган төрт Түштүк Корея агын суусунун көрсөтүлгөн тест мезгилдери үчүн гана жарактуу. DualTNet-FLOWT² системасы башка алаптарга же операциялык кырсык башкаруу процесстерине жергиликтүү калибрлөө, тышкы текшерүү жана жандуу талаа сыноосу жок түз өткөрүлбөшү керек.