Katika mito midogo, kiwango cha maji kinaweza kupanda haraka sana baada ya mvua kubwa kutokana na eneo jembamba la bonde na muda mfupi wa mwitikio. Kwa sababu mifumo ya kawaida ya tahadhari ya mapema mara nyingi husubiri kiwango cha maji kilichozingatiwa kipite kizingiti kilichowekwa mapema, tahadhari inaweza kuwasili baada ya kupanda hatari kuanza. Utafiti huu unaunganisha modeli ya mfululizo wa muda yenye matawi mawili iitwayo DualTNet, inayotabiri kiwango cha maji saa tatu mapema, na mbinu ya udhibiti wa kitakwimu ya FLOWT², inayofuatilia kasi ya kupanda inayotokana na utabiri.

DualTNet ilitumia data ya saa 24 zilizopita kwa vipindi vya dakika 10 kuhusu kiwango cha maji, mvua, mvua iliyolimbikizwa, wastani wa mvua katika bonde, viwango vya maji vya mkondo wa juu na mkondo wa chini, pamoja na mawimbi ya bahari. Modeli hiyo inajumuisha tawi linaloimarisha ruwaza za vipindi, tawi la pili linalosahihisha makosa ya vipindi yaliyobaki katika utabiri, na tabaka la muunganisho unaobadilika linalounganisha mizani tofauti za muda.

Mbinu ilijaribiwa katika mito ya Joman, Haman, Namdae na Suyeong nchini Korea Kusini. Data ya majaribio ilitengwa kwa mwaka 2024, baada ya vipindi vya mafunzo na uthibitishaji, na tathmini ya nje kwa mpangilio wa muda ilifanywa. Kwa wastani wa maeneo manne, DualTNet ilifikia RMSE ya mita 0,0184, MAE ya mita 0,0118 na R² ya 0,9925, na kuzishinda modeli zilizolinganishwa za LSTM, GRU, Transformer, FEDformer, NSTransformer, TimesNet na TimeMixer.

Badala ya kuangalia tu kama kiwango cha maji kilichotabiriwa kingepita kizingiti kisichobadilika, hatua ya FLOWT² ilipima kama kasi ya wastani ya kupanda inayotarajiwa katika saa tatu zijazo ilikuwa ikitoka kwenye mwenendo wa kawaida wa kihistoria. Matukio yote manane muhimu ya kupanda yaliyofafanuliwa katika utafiti yaligunduliwa kwa usahihi na FLOWT² inayotegemea DualTNet; katika mfano wa Mto Joman, alama za tahadhari zilitolewa takribani saa 3–8 kabla ya kiwango cha mafuriko makubwa kuvukwa.

Hata hivyo, utafiti haujapitiwa na wataalamu rika. Tathmini ya tahadhari inategemea idadi ndogo ya matukio, haijaelezwa vya kutosha jinsi ufafanuzi wa “tukio muhimu” ulivyosanifishwa, na kiwango cha ugunduzi wa matukio hakipimi moja kwa moja ishara za uongo. Utendaji wa wakati halisi, ucheleweshaji wa mawasiliano, hitilafu za vihisi, kukatika kwa data, na uwezo wa kuhamisha mfumo kwenda nchi au mabonde mengine pia havijajaribiwa.

Kwa nini tahadhari ya mapema ni ngumu zaidi katika mito midogo?

Katika mito mikubwa, mchakato wa mvua kubadilika kuwa kiwango cha mto na kusonga kwa wimbi la mafuriko unaweza kuchukua muda mrefu kiasi. Katika mabonde madogo, muda wa mvua kubadilika kuwa mtiririko wa juu ya ardhi ni mfupi. Mvua kubwa ya eneo mahususi inaweza kupandisha kiwango cha maji kwa ghafla ndani ya saa chache.

Mwenendo huu huleta matatizo mawili tofauti kwa mfumo wa tahadhari ya mapema:

• Sehemu inayopanda kwa kasi na thamani ya kilele ya kiwango cha maji lazima zitabiriwe kwa usahihi saa tatu mapema.
• Mfululizo uliotabiriwa lazima ugeuzwe kuwa uamuzi wa tahadhari ulio wazi na wa wakati unaofaa ambao wasimamizi wanaweza kuutumia.

Kielelezo cha kwanza cha utafiti kinaonyesha tofauti hii. Mfumo wa kawaida wenye kizingiti kisichobadilika hutoa tahadhari baada ya kiwango cha maji kufikia kizingiti muhimu. Modeli ya akili bandia ambayo utabiri wake si sahihi vya kutosha inaweza kusababisha tahadhari isiyo sahihi au iliyochelewa. Katika mfumo uliopendekezwa, DualTNet hutabiri mkunjo wa kiwango cha maji, huku FLOWT² ikifuatilia kitakwimu mwenendo wa kupanda uliotabiriwa na kujaribu kutoa tahadhari kabla ya kizingiti kuvukwa.

Utafiti ulifanywa katika mito ipi?

Utafiti unahusisha mito minne midogo nchini Korea Kusini yenye tabia tofauti za kihaidrolojia.

Katika maeneo ya Joman, Haman na Suyeong, data ya miaka 2020–2022 ilitumika kwa mafunzo, data ya 2023 kwa uthibitishaji na data ya 2024 kwa majaribio. Katika eneo la Namdae lenye rekodi fupi zaidi, vipindi hivyo viliwekwa kuwa 2022, 2023 na 2024 mtawalia. Mgawanyo huu kwa mpangilio wa muda huruhusu uchunguzi wa siku zijazo kujaribiwa katika modeli zilizofunzwa kwa data ya zamani.

Data gani ilitumika?

Vigeu vyote vilirekodiwa kwa vipindi vya dakika 10. Kwa kila utabiri, saa 24 zilizopita, yaani hatua 144 za muda, zilitumiwa kama ingizo na kiwango cha maji cha saa tatu baadaye kilitabiriwa.

Viingizo vikuu:

• Kiwango cha maji kilichopita katika kituo lengwa
• Mvua ya sehemu mahususi
• Mvua iliyolimbikizwa kwa saa tatu
• Wastani wa mvua katika bonde unaotegemea rada au uchunguzi
• Viwango vya maji vya mkondo wa juu
• Kiwango cha maji cha mkondo wa chini
• Kiwango cha mawimbi ya bahari

Seti ya viingizo haikuhifadhiwa ikiwa sawa kwa kila eneo. Kwa mfano, katika Mto Haman, viwango vya maji vya vituo viwili vya mkondo wa juu na kituo kimoja cha mkondo wa chini viliongezwa ili kuwakilisha athari ya maji yanayorudi. Katika Mto Suyeong, kutokana na eneo lake karibu na kinywa cha mto, kiwango cha mawimbi ya bahari na wastani wa mvua katika bonde kutoka maeneo mawili tofauti vilitumika.

Urekebishaji huu kwa eneo ni mojawapo ya nguvu za mbinu; hata hivyo, kwa kuwa idadi na aina ya vigeu hutofautiana katika kila eneo, inakuwa vigumu kusema kwamba tofauti za utendaji zilitokana na usanifu wa modeli pekee.

Vizingiti vya kawaida vya mafuriko

Utafiti ulitumia vizingiti vya eneo vya kiwango cha maji visivyobadilika kwa viwango vya uangalifu, tahadhari, onyo na mafuriko makubwa.

Vizingiti hivi vilitumika kukokotoa thamani za precision na recall za modeli za utabiri na kulinganisha na mfumo wa kawaida wa tahadhari. FLOWT², hata hivyo, haihusishi uamuzi wa tahadhari moja kwa moja na kuvukwa kwa viwango hivi.

Usanifu wa DualTNet hufanyaje kazi?

DualTNet iliundwa ili kujifunza aina mbili tofauti za tabia za muda katika mito midogo katika matawi tofauti:

• Tabia za vipindi zinazojirudia za misimu, kila siku au zinazosababishwa na mawimbi ya bahari
• Kupanda kwa ghafla na kwa mizani tofauti kunakotokea baada ya mvua

Uchakataji wa ingizo la mizani mingi

Misururu ya ingizo kwanza hupunguzwa hadi mizani tofauti za muda. Kwa njia hii, modeli huchunguza mabadiliko ya haraka ya muda mfupi na mwenendo wa muda mrefu wa tukio moja katika maazimio tofauti. Kila mizani husawazishwa na kuhamishwa kwenye nafasi ya uwakilishi inayoweza kujifunzwa.

Tawi la EPDM

Tawi la kwanza, linaloitwa Enhanced Past Decomposable Mixing, huongeza taarifa za vipindi katika misururu ya zamani kwenye msingi wa utabiri.

Shughuli zifuatazo hufanywa katika tawi hili:

1. Kutenganisha vipindi vinavyotawala kwa ubadilishaji wa haraka wa Fourier
2. Kubadilisha mfululizo wa muda wa mwelekeo mmoja kuwa miundo ya vipindi ya mielekeo miwili
3. Kujifunza mabadiliko ya ndani ya kipindi na kati ya vipindi kwa kokwa za konvolusheni za ukubwa tofauti
4. Lango linalobadilika linaloamua kiasi cha taarifa za vipindi kitakachotumiwa
5. Kuchakata kando vipengele vya msimu na mwenendo
6. Kuunganisha utabiri wa mizani tofauti za muda kwa moduli ya Future Multi-Predictor Mixing

Tawi la mabaki ya vipindi

Tawi la pili husahihisha vipengele vya vipindi ambavyo njia kuu ya utabiri haikuweza kuvinasa kikamilifu. Tawi hili pia hutumia ubadilishaji wa haraka wa Fourier, konvolusheni ya mielekeo miwili na lango linalobadilika; hata hivyo, mwishoni huunda moja kwa moja marekebisho ya mabaki kupitia kichwa cha utabiri wa mstari.

Muunganisho unaobadilika

Matokeo kutoka matawi ya EPDM na mabaki ya vipindi huunganishwa kulingana na mizani. Moduli ya muunganisho hujifunza umuhimu wa kila mizani ya muda kwa hali ya sasa ya kihaidrolojia. Kwa hiyo, modeli hutoa uzito zaidi kwa mizani mifupi wakati wa kupanda kwa ghafla kunakosababishwa na mvua, na kwa taarifa za mizani mirefu au za vipindi wakati wa mabadiliko ya kawaida zaidi.

Ililinganishwa na modeli zipi?

DualTNet ililinganishwa na modeli saba tofauti za mfululizo wa muda chini ya urefu sawa wa ingizo na upeo wa utabiri wa saa tatu:

• LSTM
• GRU
• Transformer ya kawaida
• FEDformer
• Non-stationary Transformer
• TimesNet
• TimeMixer

LSTM ilichaguliwa kama kipimo cha vitendo kwa sababu ililingana na modeli ya kiutendaji inayotumiwa katika vitengo vya udhibiti wa mafuriko nchini Korea Kusini. TimesNet hujifunza ruwaza za vipindi, huku TimeMixer ikiwa modeli mpya zaidi ya kulinganisha inayojifunza vipengele vya muda vya mizani mingi.

Vigezo-wandani viliamuliwaje?

Optuna ilitumika kuchagua mipangilio ya modeli. Vigezo-wandani vikuu vilivyotafutwa:

Idadi ya vichwa vya umakinifu ilirekebishwa kiotomatiki kulingana na ukubwa wa embedding. Hata hivyo, thamani za mwisho zilizochaguliwa kwa kila modeli na eneo, idadi ya majaribio, lengo la uboreshaji, mipangilio ya kusimamisha mapema na mbegu nasibu hazikutolewa katika maandishi makuu bali zilielekezwa kwenye Nyenzo ya Ziada D. Nyenzo husika ya ziada haipo katika toleo lililopakiwa.

Mafanikio ya utabiri yalipimwaje?

Mzizi wa wastani wa kosa la mraba:

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

RMSE huadhibu zaidi makosa makubwa. \(y_i\) ni kiwango cha maji kilichozingatiwa na \(\hat{y}_i\) ni kiwango cha maji kilichotabiriwa.

Wastani wa kosa kamili:

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

MAE huonyesha kwa mita wastani wa mkengeuko kamili wa utabiri kutoka kwenye uchunguzi.

Kigawo cha ubainishaji:

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

Thamani ya \(R^2\) inapokaribia 1 huonyesha kuwa mabadiliko ya kiwango cha maji kilichotabiriwa yanalingana sana na mabadiliko yaliyozingatiwa.

Precision inayotegemea kizingiti cha mafuriko:

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

Huonyesha ni sehemu gani ya nyakati zilizotabiriwa kuwa mafuriko ilikuwa kweli juu ya kizingiti.

Recall:

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

Hupima ni sehemu gani ya nyakati halisi za kuvuka kizingiti iliyonaswa na modeli.

Matokeo ya utabiri

Kwa wastani wa maeneo manne, DualTNet ilitoa RMSE na MAE za chini zaidi pamoja na thamani za juu zaidi za R², precision na recall.

Tofauti ya wastani wa RMSE ya DualTNet ikilinganishwa na TimeMixer ni mita 0,0031, na tofauti ya MAE ni mita 0,0014. Kwa maneno mengine, ingawa faida ya modeli dhidi ya mbinu thabiti zaidi ya kisasa ya kulinganisha inaonekana kuwa chini ya sentimita moja au katika kiwango cha milimita chache, inadaiwa kuwa tofauti zinazotegemea tukio katika muda wa kupanda kwa haraka na thamani za kilele ni kubwa zaidi.

Mto Joman

DualTNet ilifikia RMSE ya mita 0,0144, MAE ya mita 0,0069 na R² ya 0,9948. Precision ni 0,9076 na recall ni 0,9150. Kielelezo cha 5 kinaonyesha kwamba LSTM, GRU, Transformer na FEDformer zililainisha baadhi ya mipando ya haraka au zilikadiria kiwango cha kilele kuwa cha chini, huku DualTNet ikifuatilia kwa karibu zaidi mkunjo uliozingatiwa.

Mto Haman

Katika eneo lenye athari ya maji yanayorudi, thamani ya RMSE ya DualTNet ni mita 0,0075, MAE ni mita 0,0040 na R² ni 0,9998. Thamani za precision na recall zimetolewa kuwa 0,9979. Eneo hili lilitoa ulinganifu wa juu zaidi wa namba katika utafiti.

Mto Namdae

DualTNet ilifikia RMSE ya mita 0,0058, MAE ya mita 0,0028 na R² ya 0,9969. Hata hivyo, hakuna kizingiti chochote cha kawaida cha mafuriko kilichovukwa katika kipindi cha majaribio. Licha ya hayo, precision na recall ziliripotiwa kuwa 1,0000 kwa modeli zote.

Wakati hakuna sampuli halisi chanya wala sampuli iliyotabiriwa kuwa chanya:

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

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

kwa hiyo, vipimo hivi havijafafanuliwa kimahesabu. Kuweka thamani kuwa 1 huongeza kwa njia bandia matokeo ya uainishaji katika wastani wa maeneo manne. Kwa hiyo, matokeo ya Namdae yanapaswa kufasiriwa kupitia RMSE, MAE na R² pekee.

Mto Suyeong

Katika eneo lenye athari kubwa ya mawimbi ya bahari, DualTNet ilifikia RMSE ya mita 0,0458, MAE ya mita 0,0334 na R² ya 0,9783. Thamani ya RMSE ya TimeMixer ni mita 0,0459; hivyo tofauti kati ya modeli hizo mbili ni mita 0,0001 tu. Eneo hili linaonyesha kwamba faida ya DualTNet si kubwa katika hali zote.

Kutokuwa na uhakika kwa utabiri

Kielelezo cha 5 kinaonyesha vipindi vya utabiri vya %95 kuzunguka utabiri wa DualTNet. Vipindi vinaonekana kupanuka katika viwango vya juu vya maji, na kutokuwa na uhakika kuongezeka karibu na thamani kali, hasa katika maeneo ya Haman na Suyeong.

Hata hivyo, sehemu kuu ya mbinu haielezi jinsi vipindi hivi vilivyotolewa kwa Monte Carlo dropout, mkusanyiko wa modeli, usambazaji wa mabaki, utabiri konformali au mbinu nyingine. Kwa hiyo, kiwango halisi cha ufunikaji cha usemi wa %95 hakiwezi kutathminiwa kwa kujitegemea.

Uelezekaji wa modeli ulichunguzwaje?

Uchanganuzi wa t-SNE

Uwakilishi uliotolewa kutoka tabaka za mwisho zilizofichwa za LSTM, TimeMixer na DualTNet ulihamishwa kwa mbinu ya t-SNE kwenda kwenye nafasi yenye vipimo vichache. Rangi ya nukta inawakilisha muda na ukubwa wake unawakilisha kiwango cha maji kilichotabiriwa.

Katika vielelezo vilivyoandaliwa kwa Mto Joman, inadaiwa kwamba uwakilishi wa LSTM uliunda muundo uliobanwa, TimeMixer ilitawanyika zaidi, na DualTNet ilikusanya kwa uwazi zaidi utabiri wa kiwango cha juu cha maji katika eneo fulani.

Taswira hii inadokeza kwamba hali za maji ya juu zinawakilishwa kwa njia tofauti ndani ya modeli; hata hivyo, t-SNE ni mbinu ya uonyeshaji isiyosimamiwa. Matokeo yanaweza kuwa nyeti kwa perplexity, mbegu ya kuanzia na kipimo cha umbali kilichotumiwa. Vigezo hivi havikuripotiwa. Aidha, ingawa maandishi ya mbinu yanataja makadirio ya vipimo vitatu, kielelezo kinatoa onyesho la vipimo viwili lenye mihimili miwili.

Uchanganuzi wa Integrated Gradients

Integrated Gradients hukusanya unyeti wa matokeo ya utabiri kwa kila ingizo katika njia kutoka ingizo rejea hadi ingizo halisi:

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

• \(x_i\): Kipengele halisi cha ingizo
• \(x'_i\): Ingizo rejea au la kuanzia
• \(F\): Modeli ya utabiri
• \(\alpha\): Kigawo cha mpito kutoka rejea hadi ingizo halisi
• \(IG_i\): Mchango wa kipengele unaohusishwa na utabiri

Katika tukio lililochaguliwa la maji ya juu katika Mto Joman, LSTM ilionekana kutegemea kwa kiasi kikubwa uchunguzi wa hivi karibuni wa kiwango cha maji. TimeMixer ilitoa uzito zaidi kwa mvua iliyolimbikizwa, lakini ikasambaza michango katika kipindi kipana zaidi cha muda.

Katika DualTNet, mvua iliyolimbikizwa, kiwango cha sasa cha maji, mvua na wastani wa mvua katika bonde zilikuwa na athari kwa pamoja. Kujilimbikiza kwa michango hasa katika saa karibu na wakati wa utabiri kulifasiriwa kuwa kunalingana na mwitikio wa muda mfupi wa mvua–kiwango katika mito midogo.

Uchanganuzi huu unaonyesha viingizo ambavyo modeli ni nyeti kwavyo, lakini hauthibitishi usababishi. Thamani kubwa ya uhusishaji haionyeshi kwamba kigeu husika ni sababu halisi ya mafuriko au kwamba modeli hutumia njia ileile ya uamuzi katika matukio yote.

Mbinu ya tahadhari ya mapema ya FLOWT²

Mpito kutoka utabiri hadi kasi ya kupanda

Utabiri wa DualTNet wa kiwango cha maji cha saa tatu baadaye ulilinganishwa na uchunguzi wa sasa ili kukokotoa kasi ya wastani ya kupanda:

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

• \(r_t\): Kasi ya wastani iliyotabiriwa ya kupanda kwa kiwango cha maji
• \(\hat{h}_{t+T|t}\): Utabiri uliotolewa wakati wa \(t\) wa kiwango cha maji cha \(t+T\)
• \(h_t\): Kiwango cha sasa cha maji kilichozingatiwa
• \(T\): Upeo wa utabiri; saa 3 katika utafiti huu

Thamani kubwa na chanya ya \(r_t\) huonyesha kuwa kiwango cha maji kinatarajiwa kupanda haraka ndani ya saa tatu zijazo.

Mwenendo wa kawaida wa kihistoria

Wastani wa kihistoria wa kasi ya kupanda:

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

Kipimo cha usambazaji kimetolewa katika maandishi kwa namna hii:

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

Usemi huu hukokotoa variansi ya sampuli badala ya mkengeuko sanifu. Mahali pamoja maandishi yanatumia usemi \(s_r^2\), huku mlinganyo ukiandika \(s_r\). Kwa hiyo, uashiriaji si wazi wala thabiti.

Takwimu ya FLOWT²

Umbali wa kasi ya kupanda iliyotabiriwa kutoka kwenye mwenendo wa kawaida:

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

ulihesabiwa kwa namna hiyo. Kwa kuwa thamani inayofuatiliwa ina kipimo kimoja, usemi huu kwa vitendo unalingana na mraba wa mkengeuko uliosanifishwa. Ingawa mbinu ya kawaida ya Hotelling T² ilitengenezwa kwa vekta zenye vigeu vingi, hapa imetumika kwa mfululizo mmoja tu wa kasi ya kupanda.

Kikomo cha juu cha udhibiti:

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

kilitolewa hivyo na \(\alpha=0{,}005\) ilitumika. Tahadhari ya kupanda kusiko kwa kawaida ilitolewa wakati sharti la \(T_t^2>UCL\) lilipotokea.

Katika fomula, idadi ya sampuli za kihistoria inaonyeshwa kwanza kwa \(N\), na katika kikomo cha udhibiti kwa \(m\). Maandishi hayasemi wazi kama hizi zinawakilisha seti ileile ya sampuli.

Kutokuwa na uhakika katika kuweka kikomo cha udhibiti

Utafiti unasema kwamba wastani na variansi zilikokotolewa kutoka kwenye “seti ya data ya kihistoria”; hata hivyo, haujaeleza kama seti hii inahusisha data ya mafunzo pekee, mafunzo na uthibitishaji, au kipindi chote cha uchunguzi.

Iwapo data ya kipindi cha majaribio ilijumuishwa katika kikomo cha udhibiti, mwenendo wa siku zijazo ungevuja kuingia katika hatua ya uundaji wa modeli. Kwa kuwa haijaonyeshwa wazi kwamba kipindi cha mafunzo pekee kilitumika, haiwezi kuthibitishwa kwamba utendaji wa tahadhari hauna kabisa uvujaji wa data.

FLOWT² iligundua matukio yapi?

Mafanikio ya mbinu ya tahadhari yalitathminiwa kwa jumla ya “matukio muhimu manane ya kupanda kwa kiwango cha maji” katika maeneo manne.

Mbinu inayotegemea DualTNet ilitoa tahadhari nane kwa matukio manane muhimu, na zote zililinganishwa na matukio sahihi. Mbinu inayotegemea LSTM ilitoa jumla ya tahadhari 18 za matukio, na ni nne tu zilizolingana na mipando muhimu. Mfumo unaotegemea TimeMixer ulitoa tahadhari nane na kunasa matukio sita muhimu.

“Kiwango cha ugunduzi cha %100” kinapaswa kufasiriwaje?

Kiwango kilichotumiwa katika utafiti ni hiki:

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

Kipimo hiki ni recall inayotegemea matukio. Tahadhari za uongo hazijumuishwi katika kigawanyo. Kwa mfano, katika eneo la Suyeong, LSTM ilitoa tahadhari tatu na moja tu ililingana na tukio halisi muhimu; hata hivyo, kwa kuwa ilinasa tukio hilo moja halisi, kiwango kilitolewa kuwa %100.

Kwa hiyo, usemi wa “ugunduzi wa %100” peke yake hauonyeshi kwamba hakukuwa na tahadhari za uongo. Kwa kuwa idadi ya matukio yaliyotolewa katika jedwali la DualTNet ni sawa na idadi ya matukio sahihi, hakuna tukio la ziada la uongo linaloonekana katika sampuli ndogo iliyoripotiwa. Hata hivyo, ili kutathmini uaminifu wa mbinu, precision ya tukio, kiwango cha tahadhari za uongo, muda wa wastani wa tahadhari, idadi ya marudio kwa kila tahadhari na kosa la muda pia vinapaswa kuripotiwa.

Ulinganisho wa tahadhari ya mapema katika Mto Joman

Katika mfano wa kina wa utafiti, mifumo mitatu ililinganishwa:

FLOWT² haikusubiri tu kizingiti kikubwa cha kiwango cha maji kivukwe katika utabiri wa saa tatu zijazo; ilitoa tahadhari katika kipindi cha mapema zaidi ambapo kupanda kulianza kutoka kwenye mwenendo wa kawaida. Kwa hiyo, katika baadhi ya matukio iliwezekana kupata “muda uliobaki hadi kuvuka kizingiti” wa zaidi ya saa tatu kutoka kwa modeli ya utabiri wa saa tatu.

Jedwali la jumla la utafiti linaripoti muda wa mapema wa takribani saa 3 hadi siku 1 kulingana na eneo na tukio. Hata hivyo, mifano inayofikia siku moja inategemea vielelezo vinavyosemekana kuonyeshwa katika Nyenzo ya Ziada G. Kwa kuwa nyenzo hizi za ziada hazipo katika toleo lililopakiwa, kikomo cha juu cha siku moja hakiwezi kuthibitishwa kwa kujitegemea kutoka kwenye maandishi makuu.

Nguvu za utafiti

• Mito minne halisi midogo yenye hali tofauti za kihaidrolojia ilitumika.
• Vipindi vya mafunzo, uthibitishaji na majaribio vilitenganishwa kwa miaka badala ya kuchanganywa kwa nasibu.
• Modeli iliyopendekezwa ililinganishwa na mbinu saba thabiti za mfululizo wa muda.
• Mbali na makosa ya utabiri, thamani za precision na recall zinazotegemea kizingiti zilitolewa.
• Kupanda kwa haraka, maji yanayorudi na athari za mawimbi ya bahari vilichunguzwa katika maeneo tofauti.
• Tabia ya modeli ilionyeshwa kwa t-SNE na Integrated Gradients.
• Modeli ya utabiri iliunganishwa moja kwa moja na mantiki ya tahadhari ya kiutendaji.
• Tahadhari zilichunguzwa si katika kiwango cha hatua ya muda pekee, bali pia katika kiwango cha tukio.
• Kutenga mwaka wa baadaye kuwa kipindi cha majaribio katika uteuzi wa modeli kulitoa tathmini halisi zaidi kuliko mgawanyo wa nasibu.

Mapungufu makuu

• Utafiti ni chapisho la awali ambalo halijapitiwa na wataalamu rika.
• Umejaribiwa katika mito minne tu ya Korea Kusini; hakuna uthibitishaji wa nje katika nchi au bonde huru.
• Tathmini ya tahadhari ina jumla ya matukio manane tu muhimu ya kupanda.
• Ufafanuzi yakinifu wa mwanzo, mwisho na ukali wa matukio muhimu ya kupanda haujaelezwa.
• Kiwango cha ugunduzi wa matukio hakiadhibu idadi ya tahadhari za uongo.
• Katika eneo la Namdae, ingawa hakukuwa na kuvukwa chanya kwa kizingiti, thamani zisizofafanuliwa za precision na recall ziliwekwa kuwa 1.
• Mafunzo yanayorudiwa, mbegu za unasibu, mikengeuko sanifu na vipindi vya kujiamini havikuripotiwa.
• Hakuna jaribio tofauti la kuondoa moduli lililofanywa kwa vipengele vya EPDM, mabaki ya vipindi na muunganisho unaobadilika vya DualTNet.
• Haijaonyeshwa moja kwa moja ni kipengele gani cha usanifu kilichosababisha faida ya modeli.
• Idadi ya majaribio ya Optuna na vigezo-wandani vya mwisho vilivyochaguliwa havimo katika maandishi makuu.
• Hakuna kiungo cha hazina wazi kilichotolewa kwa msimbo, uzito wa modeli uliofunzwa na hati za kuandaa data.
• Haijaelezwa kama kikomo cha udhibiti cha FLOWT² kilikokotolewa kwa kipindi cha mafunzo, uthibitishaji au vipindi vyote.
• Ingawa FLOWT² imetumika kwa kasi ya kupanda yenye kigeu kimoja, imeitwa Hotelling T².
• Uashiriaji wa variansi na mkengeuko sanifu pamoja na alama za idadi ya sampuli \(N\) na \(m\) si thabiti.
• Haijaelezwa jinsi vipindi vya utabiri vya %95 vilivyoundwa.
• Ingawa maandishi ya t-SNE yanataja makadirio ya vipimo vitatu, kielelezo kina vipimo viwili.
• Vielelezo vya ziada vinavyounga mkono muda wa tahadhari wa hadi siku moja havipo katika toleo lililopakiwa.
• Muda wa uchakataji wa wakati halisi, maunzi, ucheleweshaji wa mtiririko wa data na upatikanaji wa mfumo havikupimwa.
• Matukio ya hitilafu ya kihisi, data inayokosekana, kukatika kwa mawasiliano na kipimo kisicho sahihi cha mvua hayakujaribiwa.
• Hakuna majaribio ya kiutendaji ambapo tahadhari zilitumiwa na wasimamizi halisi yaliyowasilishwa.

Utafiti unaunga mkono nini?

Matokeo yanaunga mkono kwamba DualTNet inaweza kutoa wastani wa kosa la chini la utabiri wa kiwango cha maji kuliko modeli saba zilizolinganishwa katika data ya majaribio ya 2024 ya mito minne iliyochaguliwa. Modeli ilitoa matokeo thabiti hasa katika kupanda kwa haraka au kunakoathiriwa na maji yanayorudi katika maeneo ya Joman na Haman.

Utafiti pia unaonyesha kwamba vizingiti visivyobadilika vya mafuriko, vinapotumiwa na modeli nzuri ya utabiri wa saa tatu, vinaweza kutoa tahadhari kabla ya kizingiti kilichozingatiwa kuvukwa; na kwamba mbinu ya FLOWT², inayofuatilia mkengeuko wa kitakwimu wa kasi ya kupanda iliyotabiriwa, inaweza kuongeza zaidi muda huu katika baadhi ya matukio.

Matokeo ya Integrated Gradients yanaonyesha kwamba DualTNet ni nyeti si kwa kiwango cha maji cha zamani pekee, bali pia kwa viingizo vya nje kama mvua na mvua iliyolimbikizwa. Ugunduzi huu unaunga mkono kwamba tabia ya utabiri wa modeli inaweza kulingana na mwitikio wa muda mfupi wa mvua katika mito midogo.

Utafiti hauthibitishi nini?

Utafiti hauthibitishi kwamba mfumo wa DualTNet-FLOWT² utatoa ugunduzi wa mafuriko wa %100 katika mito yote midogo. Thamani ya %100 inahusu tu matukio manane muhimu ya kupanda yaliyofafanuliwa katika maeneo manne.

Utafiti hauonyeshi kwamba mbinu itadumisha usahihi uleule nchini Uturuki, katika hali tofauti za hewa, katika mabonde yenye vituo vichache vya vipimo, au katika matukio makali zaidi kuliko yaliyotabiriwa. Modeli inahitaji uthibitishaji wa ziada katika hali za kihaidrolojia ambazo hazikuwepo katika uchunguzi wa zamani.

Muda wa tahadhari wa siku moja si upeo wa utabiri wa jumla. Modeli hutabiri kiwango cha maji cha saa tatu zijazo pekee. Muda mrefu zaidi wa mapema unategemea kugunduliwa kwa kupanda kusiko kwa kawaida kwa awali muda mrefu kabla ya kizingiti cha mwisho cha mafuriko, na huenda usitokee katika kila tukio.

Aidha, haijaonyeshwa kwamba modeli ni mfumo wa tahadhari ya mapema unaofanya kazi wakati halisi uwanjani, usiokatika, unaotegemewa na uliounganishwa katika michakato ya maamuzi ya taasisi.

Umuhimu unaowezekana kwa Uturuki

Mbinu hii inatoa mfumo wenye maana wa utafiti kwa ufuatiliaji wa mito midogo yenye muda mfupi wa mwitikio na vijito vya mijini nchini Uturuki. Hasa katika mifumo inayotegemea vizingiti visivyobadilika vya kiwango cha maji pekee, kufuatilia kando kasi ya kupanda iliyotabiriwa kuna uwezo wa kutoa uamuzi wa mapema zaidi.

Kwa mfumo utakaotumika nchini Uturuki, marudio ya vipimo vya mito ya eneo, rada za mvua, vituo vya mkondo wa juu na chini, athari za mawimbi ya bahari au maji yanayorudi, na vizingiti vya mafuriko vya eneo lazima viundwe kielelezo kila kimoja. Kuhamisha moja kwa moja uzito uliofunzwa nchini Korea Kusini kwenda Uturuki hakufai.

Uthibitishaji ufuatao unahitajika kabla ya matumizi ya kiutendaji:

1. Jaribio la kurejea nyuma kwa matukio ya zamani katika mabonde mengi ya Uturuki
2. Kuweka lebo za matukio ya mafuriko na wataalamu huru kwa vigezo vilivyofafanuliwa mapema
3. Kuripoti kwa pamoja kiwango cha tahadhari za uongo, kiwango cha matukio yaliyokosekana na kosa la muda wa tahadhari
4. Utafiti wa majaribio wa wakati halisi kwa data hai ya vihisi na mvua
5. Matukio ya data inayokosekana na kukatika kwa mawasiliano
6. Kukokotoa vizingiti vya udhibiti kutoka kipindi cha mafunzo cha zamani pekee
7. Utabiri wa uwezekano na vipindi vya kutokuwa na uhakika vilivyosawazishwa
8. Kujaribu mtiririko wa maamuzi wa binadamu–mfumo pamoja na vitengo vya eneo vya usimamizi wa majanga

Mbinu na Matokeo ya Utafiti

Matokeo muhimu zaidi ya namba

• Wastani wa RMSE wa DualTNet katika maeneo manne ni mita 0,0184.
• Wastani wa MAE ni mita 0,0118 na R² ni 0,9925.
• Wastani wa precision uliripotiwa kuwa 0,9706 na recall 0,9658.
• Katika Mto Joman, RMSE ni mita 0,0144 na R² ni 0,9948.
• Katika Mto Haman, RMSE ni mita 0,0075 na R² ni 0,9998.
• Katika Mto Namdae, RMSE ni mita 0,0058 na R² ni 0,9969.
• Katika Mto Suyeong, RMSE ni mita 0,0458 na R² ni 0,9783.
• DualTNet-FLOWT² iligundua mipando yote minane muhimu kati ya minane kwa jumla.
• Katika mfano wa Joman, DualTNet yenye kizingiti kisichobadilika ilitoa takribani saa 3 za muda wa mapema.
• Katika tukio hilo hilo, DualTNet-FLOWT² ilitoa takribani saa 3–8 za muda wa mapema.

Majaribio ya ziada yatakayoongeza uaminifu wa matokeo

1. Majaribio ya ablation ambayo huondoa vipengele vya DualTNet kimoja baada ya kingine
2. Kuripoti wastani na mkengeuko sanifu kwa angalau mbegu tano tofauti za unasibu
3. Uthibitishaji mwingi wa mfululizo wa muda unaotegemea rolling-origin au miaka inayofuatana
4. Majaribio ya nje katika nchi na mabonde huru
5. Precision ya tukio, recall, F1, kiwango cha tahadhari za uongo na kosa la muda wa tahadhari
6. Uchanganuzi wa unyeti wa thamani tofauti za alfa kwa FLOWT²
7. Kuonyesha kwamba kikomo cha udhibiti kilikokotolewa kwa data ya mafunzo pekee
8. Kuhusisha ufafanuzi wa tukio la maji ya juu na vigezo yakinifu vilivyowekwa mapema
9. Uwezekano wa ufunikaji na upana wa wastani wa kipindi kwa vipindi vya utabiri
10. Majaribio ya hitilafu ya kihisi, data inayokosekana na data iliyochelewa
11. Kupima muda wa uchakataji wa wakati halisi na matumizi ya rasilimali za maunzi
12. Utekelezaji wa majaribio ya kiutendaji pamoja na vitengo vya eneo vya usimamizi wa majanga

Dokezo la Chanzo na Mbinu

Jina asili la utafiti: Interpretable flood early warning via dual-branch temporal network: Application to small rivers with rapid water-level changes

Jina fupi: DualTNet-based flood prediction

Waandishi na mpangilio sahihi: HaEun Jung, YoungHo Song, Sangdan Kim, KiJeon Nam.

Mwandishi mwenza wa kwanza au mchango sawa: Utafiti hauna tamko la uandishi mwenza wa kwanza au mchango sawa.

Mwandishi wa mawasiliano: KiJeon Nam.

Uhusiano wa kitaasisi: Department of Environmental Engineering, Pukyong National University, Busan 48513, Republic of Korea.

DOI:10.2139/ssrn.7025913

Ukurasa rasmi wa utafiti:Rekodi rasmi ya SSRN

Jukwaa la uchapishaji: SSRN.

Mwendeshaji wa jukwaa: Jukwaa la SSRN chini ya Elsevier.

Tarehe ya kupakiwa: 30 Juni 2026.

Mwaka wa uchapishaji: 2026.

Jarida: Uchapishaji katika jarida linalopitiwa na wataalamu rika haujathibitishwa. Usemi “VSI: AI–Hydrology Digital Twins” mwanzoni mwa utafiti unaonyesha lengo linalowezekana la toleo maalum, lakini hauundi utambulisho wa jarida lililochapishwa.

Hali ya mapitio ya wataalamu rika: Utafiti ni chapisho la awali ambalo halijapitiwa na wataalamu rika.

Aina ya chanzo: Utafiti wa haidrolojia ya kikokotozi unaojumuisha usanifu mpya wa ujifunzaji wa kina, uchanganuzi wa akili bandia inayoelezeka na mbinu ya kitakwimu ya tahadhari ya mapema inayotegemea utabiri.

Ufadhili: Utafiti ulifadhiliwa chini ya mradi namba RS-2024-00332300 unaoendeshwa na Korea Environment Industry & Technology Institute na kuungwa mkono na Korea Ministry of Environment, pamoja na ruzuku namba RS-2025-16067766 ya National Research Foundation of Korea.

Matumizi ya akili bandia zalishi: Waandishi walisema kwamba walitumia ChatGPT kwa marekebisho ya sarufi, kisha wakapitia maudhui na kuchukua wajibu wote.

Mgongano wa maslahi: Hakuna tamko wazi la mgongano wa maslahi katika toleo lililopakiwa.

Michango ya waandishi: Hakuna jedwali la kina la michango ya waandishi wala tamko la CRediT.

Vyanzo vya data: Data ya kiwango cha maji, mvua ya sehemu mahususi na baadhi ya wastani wa mvua katika bonde ilitoka Nakdong River Flood Control Office; data ya mvua katika bonde inayotegemea rada ilitoka Han River Flood Control Office; na data ya mawimbi ya bahari ilitoka Korea Hydrographic and Oceanographic Agency.

Ufikiaji wa data na msimbo: Hakuna kiungo cha hazina wazi kilichotolewa kwa msimbo wa modeli, hati za mafunzo, uzito uliofunzwa, seti kamili za data na usanidi wa jaribio linaloweza kurudiwa.

Hali ya nyenzo za ziada: Utafiti unarejelea Nyenzo za Ziada A–G kwa maelezo ya kihisabati ya usanifu, maelezo ya modeli, matokeo ya Optuna, uchanganuzi wa XAI katika maeneo mengine na ulinganisho wa tahadhari ya mapema. Nyenzo hizi za ziada hazipo katika toleo la kurasa 49 lililopakiwa.

Maelezo haya ya Kiswahili yaliandaliwa kwa kutegemea maandishi makuu, fomula, majedwali, misururu ya muda, michoro ya usanifu, grafu za utabiri, maonyesho ya t-SNE, uchanganuzi wa Integrated Gradients na majedwali ya tahadhari yanayotegemea matukio ya utafiti. Hakuna ugunduzi mpya kutoka vyanzo vya nje ulioongezwa kwenye matokeo ya kisayansi. Ukaguzi wa nje ulitumika tu kuthibitisha jina, waandishi, DOI, tarehe ya kupakiwa, jukwaa na kiungo rasmi cha utafiti.

Matokeo ni halali tu kwa vipindi vya majaribio vilivyobainishwa vya mito minne ya Korea Kusini iliyochunguzwa. Mfumo wa DualTNet-FLOWT² haupaswi kuhamishwa moja kwa moja kwenda mabonde tofauti au michakato ya kiutendaji ya usimamizi wa majanga bila usawazishaji wa eneo, uthibitishaji wa nje na jaribio hai la uwanjani.