密歇根湖水位在2013年1月创下有记录以来的最低值后，于2020年夏季又打破另一项纪录，引发淹水和海岸侵蚀，并导致湖畔道路封闭。两次纪录之间的水位差接近2米。据报道，苏必利尔湖、伊利湖和安大略湖也在数月内出现了类似的逆转。为预测这种大幅波动的水位并解释其成因，研究团队将人工智能（AI）模型用于分析。
背景与语境
湖泊水位不仅受降雨、降雪、蒸发、入流和出流影响，也会受到人为决策的影响。水位还关系到港口水深、海岸线稳定、饮用水取水以及沿岸湿地的存续。因此，模型不仅要预测水位，还要解释哪些因素推动了变化；这对水坝管理或淹水风险管理可能十分重要。
研究团队利用苏必利尔湖、密歇根湖、伊利湖和安大略湖1982—2022年的月度水位数据，训练了8种算法。每种算法都输入了包括气温和入流量在内的9个变量，并纳入各变量当月的数值及最多6个月前的数值。这样，模型便可以考察例如6月水位与1月降雪之间的关系。
表现最好的4种算法将误差降至约12厘米。简单模型的误差为14至21厘米。研究团队结合使用了SHAP（用于分解各变量对预测结果的贡献）和VARS分析；后者用于考察对变量进行干预后，其影响如何随时间变化。
SHAP显示了各变量对特定月份水位上升或下降的贡献程度，但无法说明信号穿过流域（汇水并流向同一地点的区域）需要多长时间。研究团队通过VARS分析，在对变量进行干预后，观察其在一个月和6个月时的影响，以分析时间差。
这则消息意味着什么
研究团队原本预计，变量对水位的影响会随着时间回溯而减弱，但实际观察到的情况是，影响在3至4个月后增强。研究团队的结论是，这些湖泊对前一个季节的条件比对前一天的天气反应更明显。1月的降雪可能影响6月的水位，这说明季节预测有必要同时考察数月前的条件。
这一结果值得关注，因为它表明湖泊水位无法仅用短期天气来解释。如果用于季节预测的模型同时考虑前几个月的气温和入流量等变量，就有可能更好地捕捉水位变化的线索。不过，仅凭这项研究报告的误差数值，无法判断预测在实际应用中有多大用处，也无法得知洪水或水坝管理的结果会因此改变多少。
安大略湖也暴露了模型的局限。该湖模型的误差比预期高出50%以上，报道将此与人为决策联系起来。位于安大略省康沃尔附近的莫西斯—桑德斯水电坝依据每日调整的运行规则管理水位。但模型输入的是各变量的月平均值，因此，产生月度出流量的决策先后顺序可能会在平均值中消失。
对于安大略湖，研究团队建议，除了气候变量，还应将用于水位管理的运行规则提供给模型。这是针对该湖人为决策问题提出的建议，不能据此推断所有季节预测都需要相同的条件。
研究团队表示，他们正与Ouranos合作，将这种方法应用于魁北克南部的地下水补给研究。这项工作使用了物理模型（反映自然现象物理运行原理的模型）。这项研究展现了一个方向：面对水位这类复杂的环境问题，能够追究预测结果成因的模型，或可帮助人们审视和讨论管理决策。
已确认的事实与仍未知的问题
已确认的事实
- 研究团队使用四座湖泊1982—2022年的月度水位数据训练了8种算法。
- 每种算法都纳入了包括气温和入流量在内的9个变量，以及当月到最多6个月前的数值。
- 表现最好的4种算法误差约为12厘米，简单模型的误差为14至21厘米。
- 研究团队观察到，变量的影响并未如预期那样随着时间回溯而减弱，反而在3至4个月后增强。
- 安大略湖的水位依据莫西斯—桑德斯水电坝的每日运行规则进行管理；研究团队建议将这些规则提供给模型。
仍未知的问题
- 研究所用的8种算法和9个变量的完整清单是什么？
- 模型准确度是依据何种验证方法和预测时段评估的？
- 如果将安大略湖的运行规则纳入模型，预测误差会减少多少？
读者可以留意的事项
- 查看水位预测结果时，除了准确度数值，也有必要了解预测时段和验证方法。此次原文未提供这些具体标准。
- 如果在洪水或水坝运行中使用AI预测，可以查看输入数据是否只有月平均气候和出流量，还是也反映了实际运行规则或决策过程。
- 解读季节性水位展望时，可以确认分析是否纳入当月天气以外、数月前的条件。研究团队得出的结论是，前一个季节的条件可能影响水位。
