我院直伟教授在《Nature Water》发表研究成果

随着人工智能（AI）和深度学习（DL）在水文和环境科学领域的飞速发展，它们为水质分析和预测提供了新的视角和方法。从二战时期图灵机的应用到最近在深度学习领域的突破，AI已经彻底改变了我们处理和分析数据的方式。

水质预测面临的长期挑战

水质预测的复杂性首先源于数据的稀缺性。与流量数据相比，水质数据往往更为稀疏、不连续，且在时间、空间和频率上的覆盖也更为有限（图1）。其次，水质数据的采集往往无法捕捉到完整的流量变化范围（例如洪峰期间），导致在水质建模时常出现偏差。传统基于统计和物理过程的模型在预测水质时常常力不从心。然而，深度学习技术的出现为解决这一难题提供了可能。

助力知识发现：深度学习从“黑箱”到“玻璃箱”

深度学习因其“黑箱”的特性而受到批评：算法仅提供输入和输出间最佳匹配，却无法解释内部机制，从而阻碍了对物理过程的理解。为了增加深度学习的可信度，相关领域正在研究如何将深度学习发展为透明、可解释的“玻璃箱”（图2）。可解释深度学习（XDL）旨在揭示模型决策过程中蕴含的知识和规律，可以识别影响模型预测的重要特征、关系和机理。

直伟教授为论文第一作者。河海大学为论文第一单位，署名单位包括河海大学水灾害防御全国重点实验室、长江保护与绿色发展研究院和水利部水循环与水动力系统重点实验室。成果由我校联合美国宾夕法尼亚州立大学、美国地质调查局、美国环保署和瑞士联邦水科学与技术研究所共同完成。