Skip to content

Seq2Seq / BALSTM / MTSLSTM 实验案例

洪水场次预测与多站点时间序列模型

1. 模型对比总览

模型 实验脚本 输入 输出 数据要求 适用场景
Seq2Seq train_seq2seq_floodevent.py 编码器: 降雨 (rain)
解码器: 降雨 + 上一步输出		 径流 (inflow) floodeventdatasource
3h 时段, 松辽流域		 洪水场次预测, 编码器-解码器结构
SimpleLSTM train_simplelstm_floodevent.py 降雨 (rain) 径流 (inflow) floodeventdatasource
3h 时段, 松辽流域		 洪水场次基线, 对比 Seq2Seq
SimpleBALSTM train_with_balstm.py 动态 + 静态 + 全球变量 径流 (streamflow) longtermdataset
GRDC 全球月尺度		 多源输入, 月尺度径流模拟
MTSLSTM train_with_mtslstm.py 多时间尺度动态 + 静态 径流 (qobs_mm_per_hour) camelsh (CAMELS-Hourly)
小时级全球数据		 多时间尺度建模, 日/时/周融合

2. Seq2Seq 洪水场次预测

Standard Seq2Seq (带预测期降雨输入)

1
2
3
降雨 ──→ Encoder (后验期 7天) ──→ hidden state ──→ Decoder (预测期 2天) ──→ 径流
                                ↑
                          预测期降雨作为解码器输入
  • 脚本: experiments/train_seq2seq_floodevent.py
  • 模型: "Seq2Seq" (定义在 torchhydro/models/seq2seq.py)
  • 数据源: floodeventdatasource (legacy source_name 格式)
  • 数据集: FloodEventSeq2SeqDataset
  • 站点: songliao_21401550
  • 输入变量: var_t=["rain"], var_c=["None"]
  • 输出变量: var_out=["inflow", "flood_event"]
  • 评估方式: evaluator={"eval_way": "floodevent"} (只评估洪水场次)

关键配置:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
source_cfgs={
    "source_name": "floodeventdatasource",  # 旧格式，尚未迁移到 dataset_id
    "source_path": "E:/data/ClassC/songliaorrevent",  # 实际数据路径
    "other_settings": {
        "time_unit": ["3h"],
        "dataset_name": "songliaorrevent",
        "net_rain_key": "net_rain",
        "obs_flow_key": "inflow",
        "delta_t_hours": 3.0,
    },
},
model_name="Seq2Seq",
model_hyperparam={
    "en_input_size": 1,                    # 编码器输入特征数 (降雨)
    "de_input_size": 2,                    # 解码器输入维度 (降雨 1 + 前一步输出 1)
    "output_size": 1,                      # 输出特征数 (径流)
    "hidden_size": 16,                     # LSTM 隐藏层大小
    "forecast_length": 16,                 # 预测步长 (16 x 3h = 48h = 2天)
    "hindcast_output_window": 56,          # 后验期输出窗口 (56 x 3h = 168h = 7天)
    "teacher_forcing_ratio": 0.5,          # 训练时使用真实值的概率
},
loss_func="FloodLoss",                     # 洪水区间加权 loss
loss_param={
    "loss_func": "MSELoss",
    "flood_weight": 2.0,
    "flood_strategy": "weight",
},

特色功能:

  • 洪峰对齐采样: peak_aligned_sampling={"enabled": True, "slide_step": 1, "peak_selection": "first"} — 从洪峰点开始向后滑动窗口
  • 变长序列: variable_length_cfgs={"use_variable_length": True} — 支持不同长度的洪水事件
  • Teacher Forcing: 训解码器时以 50% 概率使用真实值, 加速收敛
  • FloodLoss: 对洪水期间的预测误差给予更大权重

SimpleLSTM 洪水场次 (基线模型)

1
降雨 ──→ LinearIn ──→ LSTM ──→ Dropout ──→ LinearOut ──→ 径流
  • 脚本: experiments/train_simplelstm_floodevent.py
  • 模型: "SimpleLSTM" (定义在 torchhydro/models/simple_lstm.py)
  • 数据源: 与 Seq2Seq 相同 (floodeventdatasource)
  • 数据集: AugmentedFloodEventDataset

关键配置:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
source_cfgs={
    "source_name": "floodeventdatasource",  # 旧格式，尚未迁移到 dataset_id
    "source_path": "E:/data/ClassC/songliaorrevent",  # 实际数据路径
    "other_settings": {
        "time_unit": ["3h"],
        "dataset_name": "songliaorrevent",
        "net_rain_key": "net_rain",
        "obs_flow_key": "inflow",
        "delta_t_hours": 3.0,
    },
},
model_name="SimpleLSTM",
model_hyperparam={
    "input_size": 1,       # 输入特征数 (降雨)
    "output_size": 1,      # 输出特征数 (径流)
    "hidden_size": 16,     # LSTM 隐藏层大小
    "dr": 0.3,             # Dropout 比率
},

与 Seq2Seq 的区别:

特性 Seq2Seq SimpleLSTM
结构 编码器-解码器, 分阶段处理 单向 LSTM, 一次性输出
预测期降雨 作为解码器输入 不使用
Teacher Forcing 支持 (0.5) 不支持
洪峰对齐采样 启用 未启用
用途 高性能预报 基线对比

运行方式:

1
2
3
4
5
# 训练 Seq2Seq
python experiments/train_seq2seq_floodevent.py

# 训练 SimpleLSTM 基线
python experiments/train_simplelstm_floodevent.py

3. BALSTM (Attention-based LSTM)

1
2
3
4
5
全球变量 (var_g) ──→ W_xg ──→ g_t ──┐
                                     ├──→ LSTM Cell ──→ 输出
静态属性 (var_c) ──→ W_xs1, W_xs2 ──→ i1, i2 (门控)
                                     │
动态变量 (var_t) ──→ W_xt, W_f, W_o ─→ 输入门/遗忘门/输出门
  • 脚本: experiments/train_with_balstm.py
  • 模型: "SimpleBALSTM" (定义在 torchhydro/models/balstm_model.py)
  • 数据源: dataset_id="longtermdataset" (GRDC 全球月尺度数据)
  • 数据集: BALSTMDataset
  • 时间尺度: 月 (min_time_unit="ME")

关键配置:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
source_cfgs={"dataset_id": "longtermdataset"},
model_name="SimpleBALSTM",
model_hyperparam={
    "output_size": 1,
    "hidden_size": 128,
    "num_layers": 2,
    "dropout": 0.4,
    "input_size_dyn": len(var_t),    # 动态变量数 (从数据自动读取)
    "input_size_glo": len(var_g),    # 全球变量数 (从数据自动读取)
    "input_size_sta": len(var_c),    # 静态属性数 (从数据自动读取)
    "hindcast_output_window": 0,
},
dataset="BALSTMDataset",
min_time_unit="ME",
min_time_interval=1,
which_first_tensor="batch",

三类输入:

输入类型 变量名 说明
动态变量 (var_t) 从 GRDC 时序数据自动读取 月尺度气象/水文时序
静态变量 (var_c) 从 GRDC 属性数据自动读取 流域属性 (最多 195 个)
全球变量 (var_g) 从 global_data.csv 读取 全球气候指标

模型结构要点:

  • 多层 LSTM, 每层包含 6 个权重矩阵: W_xs1, W_xs2 (静态属性门控), W_xg (全球变量融合), W_xt (动态输入), W_f (遗忘门), W_o (输出门)
  • 静态属性通过 i1 = sigmoid(W_xs1(xs)) 和 i2 = sigmoid(W_xs2(xs)) 作为门控信号, 调节隐藏状态更新
  • 全球变量与隐藏状态拼接后通过 W_xg 融合

训练配置:

1
2
3
4
5
6
7
8
9
batch_size=512,
train_epoch=100,
save_epoch=10,
train_period=["1951-01-01", "2020-12-31"],
test_period=["1982-01-01", "1992-12-31"],
loss_func="NSELoss",
opt="Adam",
lr_scheduler={"lr": 0.0001},
metrics=["NSE", "RMSE", "R2"],

运行方式:

1
python experiments/train_with_balstm.py

4. MTSLSTM (Multi-Timescale LSTM)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
小时级输入 (23个动态变量 + 27个静态属性)
  │
  ├─→ 周级分支 (weekly):    聚合 7 天 → T_week=2 步
  ├─→ 日级分支 (daily):     聚合 24 小时 → T_day=14 步
  └─→ 小时级分支 (hourly):  保持原始 → T_hour=336 步
                               │
                          频率分支间状态传递 (linear transfer)
                               │
                               ↓
                          合并输出 → 径流预测
  • 脚本: experiments/train_with_mtslstm.py
  • 模型: "MTSLSTM" (定义在 torchhydro/models/mtslstm.py)
  • 数据源: dataset_id="camelsh" (CAMELS-Hourly)
  • 数据集: CamelsHourlyDataset
  • 时间尺度: 小时级 (min_time_unit="h")

关键配置:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
source_cfgs={"dataset_id": "camelsh"},
model_name="MTSLSTM",
model_hyperparam={
    "hidden_sizes": [128, 128, 128],      # 三个频率分支的隐藏维度
    "output_size": 1,
    "shared_mtslstm": False,               # 各频率分支独立权重
    "transfer": "linear",                  # 频率分支间状态传递方式
    "dropout": 0.1,
    "return_all": True,
    "feature_buckets": feature_buckets,    # 每个特征对应的频率桶
    "per_feature_aggs_map": per_feature_aggs_map,  # 每个特征的聚合方式
    "frequency_factors": [7, 24],          # 频率因子: 周→日 x7, 日→时 x24
    "seq_lengths": [2, 14, 336],           # 各频率序列长度: 周2步, 日14步, 时336步
    "slice_transfer": True,                # NeuralHydrology 风格切片传递
    "slice_use_ceil": True,
    # 可选: 预训练日级分支权重
    "pretrained_day_path": "best_model.pth",
    "pretrained_lstm_prefix": "lstm.",
    "pretrained_head_prefix": "linearOut.",
},
dataset="CamelsHourlyDataset",

23 个动态变量:

变量 说明 频率桶 聚合方式
convective_fraction 对流降水比例 小时 mean
longwave_radiation 长波辐射 日 mean
potential_energy 位能 周 mean
potential_evaporation 潜在蒸散发 日 mean
pressure 气压 日 mean
shortwave_radiation 短波辐射 日 mean
specific_humidity 比湿 小时 mean
temperature 温度 小时 mean
total_precipitation 总降水量 小时 sum
wind_u U 风分量 小时 mean
wind_v V 风分量 小时 mean

27 个静态属性: elev_mean, slope_mean, area_gages2, frac_forest, lai_max, lai_diff, dom_land_cover_frac, dom_land_cover, root_depth_50, soil_depth_statsgo, soil_porosity, soil_conductivity, max_water_content, geol_1st_class, geol_2nd_class, geol_porostiy, geol_permeability 等 (均在小时级分支, 不做下采样)。

训练配置:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
batch_size=256,
train_epoch=20,
save_epoch=1,
rolling=0,                              # 滑动窗口模式
forecast_length=336,                    # 预测 14 天 (336 小时)
loss_func="RMSESum",
opt="Adam",
opt_param={"lr": 1e-4},
lr_scheduler={"lr_factor": 0.95},
metrics=["NSE", "RMSE", "KGE", "Corr", "FHV", "FLV"],
early_stopping=True,
patience=2,

运行方式:

1
python experiments/train_with_mtslstm.py

5. 快速开始

Seq2Seq / SimpleLSTM 洪水场次预测

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
# 1. 确保数据存在
# floodeventdatasource 数据位于: E:/data/ClassC/songliaorrevent

# 2. 训练 Seq2Seq
python experiments/train_seq2seq_floodevent.py

# 3. 训练 SimpleLSTM 基线
python experiments/train_simplelstm_floodevent.py

# 4. 查看结果
# 结果保存在 results/flood_event_Seq2Seq/ 和 results/flood_event_SimpleLSTM/

BALSTM 全球月尺度径流模拟

1
2
3
4
5
6
7
8
# 1. 准备 GRDC 数据
# longtermdataset 需要数据预处理 (属性/时序/全球变量 CSV)

# 2. 训练
python experiments/train_with_balstm.py

# 3. 查看结果
# 结果保存在 results/train_with_LongTerm780/

MTSLSTM 多时间尺度预测

1
2
3
4
5
6
7
8
# 1. 确保 CAMELS-Hourly 数据可访问
# camelsh 通过 dataset_id="camelsh" 自动解析路径

# 2. 训练
python experiments/train_with_mtslstm.py

# 3. 查看结果
# 结果保存在 results/camels/mtslstm_DapengScaler_h-unified_3freq_14dwin/

6. 数据要求

实验 数据源 数据位置 说明
Seq2Seq / SimpleLSTM floodeventdatasource E:/data/ClassC/songliaorrevent 松辽流域 3h 洪水场次数据, 使用 legacy source_name 格式
BALSTM longtermdataset (dataset_id) GRDC 全球月尺度数据, 含属性/时序/全球变量 CSV 需要预处理为 attributes/, timeseries/1MS/, global_data.csv 格式
MTSLSTM camelsh (dataset_id) CAMELS-Hourly 小时级全球流域数据, 通过 hydrodataset 统一路径解析

注意: Seq2Seq 和 SimpleLSTM 的洪水场次实验仍使用 legacy source_name 格式 (非 dataset_id), 因为 floodeventdatasource 是 torchhydro 特有的数据源, 尚未迁移到 hydrodatasource 统一注册表。其余模型 (BALSTM, MTSLSTM) 均使用 dataset_id 格式。

7. MCLSTM（多时间尺度卷积 LSTM）

MCLSTM 通过多尺度卷积核捕获不同时间尺度的径流响应模式。

7.1 CAMELS-US 训练

1
uv run python experiments/train_with_mclstm.py
  • 模型：MCLSTM
  • 数据：CAMELS-US（dataset_id: "camels_us"）
  • 输入：2 个动态变量
  • 输出：1 个目标变量（streamflow）
  • 隐藏层：128

7.2 长序列训练

1
uv run python experiments/train_mclstm_longseq.py
  • 模型：MCLSTM
  • 数据：自建数据（dataset_id: "selfmadehydrodataset"）
  • 特点：支持更长的输入序列

7.3 MTSLSTM 三峡评估

1
uv run python experiments/evaluate_with_mtslstm.py
  • 模型：MTSLSTM
  • 数据：自建数据（dataset_id: "selfmadehydrodataset"）
  • 用途：评估 MTSLSTM 在三峡流域的表现

8. MCLSTM Encoder-Decoder 变体

1
uv run python experiments/train_with_Enc_Dec_BALSTM.py
  • 模型：SimpleBALSTM_EncDec（或 Attn_SimpleBALSTM_EncDec）
  • 数据：longtermdataset（GRDC 全球月尺度）
  • 特点：编码器-解码器架构的 BALSTM，支持注意力机制