A Gated Catchment Hydrology Model (GCHM) for Physically-Interpretable Rainfall-Evapotranspiration-Runoff Simulation Across Diverse Hydroclimatic Regimes
Aggiunta all'archivio di AIChronos il (numero del 10 ottobre 2026 ricostruito)· fonte del · M Jawad, HV Gupta, MA Farmani, A Behrangi, GY Niu
Il Gated Catchment Hydrology Model (GCHM) è un'architettura di machine learning basata sul Mass-Conserving Perceptron progettata per simulare il ciclo idrologico rispettando le leggi di conservazione della massa. Il modello utilizza cinque stati di immagazzinamento specifici e porte vincolate che apprendono relazioni dipendenti dal contesto tra precipitazioni, evapotraspirazione e deflusso. Valutato su 50 bacini CAMELS con diversi regimi climatici, GCHM dimostra prestazioni competitive mantenendo interpretabilità fisica e conservazione delle masse.
- L'architettura integra cinque stati di stoccaggio: intercezione della chioma, neve, umidità del suolo, falda acquifera e generazione del deflusso.
- Le porte vincolate (constrained gates) governano la partizione delle precipitazioni, l'infiltrazione e il flusso basale adattandosi al contesto idroclimatico.
- Il modello supera i benchmark di reti neurali ricorrenti replicando dinamiche del deflusso anche in bacini aridi dove le falde sostengono i flussi durante la siccità.
- L'uso della metrica Jawad-Kling-Gupta Efficiency (JKGE) permette di valutare sia il comportamento stazionario che non-stazionario dei sistemi idrologici.
Perché conta. Per uno sviluppatore di agenti AI o modelli locali, questo approccio dimostra come integrare vincoli fisici e conservazione delle risorse direttamente nell'architettura del modello per migliorare l'affidabilità in scenari reali complessi.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.