基于AutoML的长江下游周旬尺度枯水位及潮位预报

基于微软在2018年发布的自动化机器学习建模平台Azure AutoML,探索长江下游水位及潮位预报模型构建与应用。以大通枯水期周旬尺度最低水位、南京未来14与20次低潮中最低潮位的预报为例，开展研究并从模型构建与评估、预报精度、输入因子重要性等角度进行分析。研究结论表明：微软Azure AutoML平台可便捷地进行自动化机器学习模型的构建；两站点的预报模型在2014—2020年模型构建过程、2021年模型精度分析过程中均取得较高的精度指标，但在最低水位(潮位)波动变幅较大的阶段，预报模型的性能有待进一步提高；大通站不同预见期预报模型的重要输入因子较为一致，排名前三的重要变量依次为八里江、大通、安庆水位；南京潮位预报规律较为复杂，应尽量纳入更长时段的前期潮位信息。