KNOU-Flood：让洪水预报模型知道自己预报多远，为什么管用？

一、长预见期看起来不行，可能不是模型的错

KNOU-Flood 检验「长预见期差距是否主要来自信息与计分」的办法是两组对照。它把「这条预报是提前几天发出的」做成显式输入通道，把预报源从单一扩到双源，还拉长输入窗、加上概率头；这些改动叠加起来，使 KNOU-Flood 在同一 operational 协议下相对 AIFL 基线整体提升，10 天预见期的中位 KGE' 从 0.340 升到 0.481，NSE 从 0.023 升到 0.304。计分侧更直接，同一组权重、同一批测试站，只换一套打分协议，远期分数就能近乎翻倍。两组对照指向同一个答案，此前报告的预见期衰退有一大半只是协议的产物 KNOU-Flood。这是 2026 年 10 月的单作者预印本，尚无期刊接收记录。

这个检验要站得住，先得确认长预见期的分数确实主要由「这一步能拿到什么信息」决定，而不是模型记性好不好。全球径流预报正好提供了这种场景。一支模型要在成千上万条河流上预测未来流量，跨气候带和地理区域泛化，而全球大多数流域没有长期稳定的流量记录，模型没有靠记忆或局部调参蒙分的机会。Caravan 这类标准化大样本数据集把分散的区域观测统一成可比格式，后续的多源扩展 Caravan-MultiMet 又加入了 HRES、GraphCast 等预报产品，覆盖 22,492 个站点、48 个国家 Caravan。KNOU-Flood 的 18,133 个站就取自这个池子。在这个规模上，改信息是少数能一次作用于所有站点的杠杆，这既是这组对照有意义的原因，也是它能排除记忆效应的前提。

信息这一侧有一条可量化的裂缝，位置在训练与预报的交界处，这就是把预见期单独拿出来当变量的理由。训练时模型吃的是再分析资料，真正预报时它拿到的却是实时发出的气象预报。再分析（reanalysis）是用观测与模型把过去的气象场重算一遍，得到统计上连续一致的历史资料，ERA5-Land 是水文学里常用的一份；业务预报则来自数值天气预报中心当下发布的产品，例如 ECMWF 的 HRES。前者适合当训练素材却没有实时性，后者才是发出预报时真正能拿到的东西。两者的统计分布对不上，模型在再分析上学到的映射换到预报域就会失准。提前量越远，可倚赖的实时信息越稀薄，模型越只能依赖它在另一个数据域上学到的那份映射，预见期于是成了这条裂缝被拉开的刻度。

这种「权重不动、只换输入」的对照在气象数据域已经有过一次，BiasCast 的结果说明预报分数对信息设定的敏感度能大到超出直觉。它在 451 个中欧流域、24 小时预见期下，用同一个模型只把输入从再分析换成 ECMWF-HRES 预报，中位 NSE 就从 0.58 掉到 0.33 BiasCast。NSE 衡量点预报的拟合优度，1 是完美，0 等于直接用气候均值，负值意味着还不如气候均值。0.25 的落差说明，模型一个参数都不改，仅凭输入来源的替换，分数就能从能用掉到勉强能用。BiasCast 量的是气象数据域的漂移，KNOU-Flood 要量的是预见期上的漂移，两者共用同一套对照逻辑。

图注：BiasCast 的跨域评估 NSE 累积分布图。深蓝曲线是只见过再分析变量的模型，中位 NSE 停在 0.58 附近；浅色曲线是直接把同一批权重用在 ECMWF-HRES 预报变量上的一次性应用，中位 NSE 落到 0.33 附近；两条竖直虚线与蓝色箭头标出这 0.25 的落差。两条灰线是上下界参照。BiasCast

这套对照要落在具体对象上，KNOU-Flood 挑的是 AIFL，因为 AIFL 同时留下了信息与计分两处缺口，这正是此前答不出「是信息还是模型」的原因。AIFL 用两阶段训练应对域漂移，先在 ERA5-Land 上预训练再在 IFS 预报上微调，但它把同一份 1 天预见期的预报塞进整个输入窗，长预见期的表现就没法与预报质量本身区分开 AIFL。它另一处缺口是确定性模型只给一个点估计，答不了「这次预报有多不确定」。KNOU-Flood 的选择是不动网络，只修这两处，这样对照的变量就干净地落在信息与计分上。

这个问题值得拆开，是因为如果分数里有一大块只是协议产物，那么已经在发布预警的系统，其真实技能边界就可能被系统性误判。Google Flood Hub 在 2024 年就用 LSTM 在全球 5,680 个流量站上训练，并在 80 多个国家实时发布 7 天洪水预报 Google Flood Hub。AI 全球洪水预报已经跑在真实流域上，长预见期还能挤出多少技能因此不只是一个论文分数问题。把全球任务、跨域漂移、BiasCast 的先例与 AIFL 的缺口摆在一起，KNOU-Flood 要检验的就是：同样公开的数据、同样一支 LSTM，把信息与计分做对之后，长预见期的技能还能被挤出多少。

二、把「这是提前几天的预报」变成模型能读的输入

KNOU-Flood 最核心的一步，是让模型显式知道自己正在处理多长提前量的预报。具体做法只加了两个输入通道：一个标记当前这一步是历史还是预报，另一个直接给出预见期本身。模型由此能针对不同提前量采取不同行为，而不是一个模型硬套所有预见期。

架构本身刻意保持简单。中间是一支单层 LSTM，隐藏状态 256 维，处理 424 天的输入窗，其中 414 天是过去、10 天是预报日；动态气象与静态流域属性各走一支三层 MLP 嵌入，层宽 (30, 20, 64)，激活用 tanh；静态属性共 212 个，来自 HydroATLAS 与 Caravan 的气候指数等；整个模型约 0.41 M 参数。这种「静态属性先嵌入再进模型」的做法来自 EA-LSTM 的血脉，它把流域特征注入 LSTM 的输入门，让一套权重适配许多流域 EA-LSTM。水文圈实现这类模型大多共用 NeuralHydrology 这个 PyTorch 工具箱，KNOU-Flood 是个例外，选择了手写 NeuralHydrology。

图注：KNOU-Flood 框架示意图。上半栏里，动态与静态输入各走一支 MLP 嵌入，汇入共享的 LSTM 核心；LSTM 处理 424 天窗（414 过去 + 10 预报），隐变量噪声只在最后 60 步注入，前 364 步被所有集合成员共享，最后 10 步的隐藏态给出 10 个预报日的流量。下半栏是两阶段训练时间轴：ERA5-Land 预训练到 HRES 与 GraphCast 微调，2020 年用于设计决策，2021 至 2023 年测试。KNOU-Flood

输入里最关键的是那两个 lead-aware 通道与第二预报源。除了降水、气温、辐射、气压这 5 个共享气象变量和日期正余弦，模型还读 5 个 GraphCast 通道，包括 GraphCast 自己的降水和气温、它与 HRES 的差值以及可用性标记。GraphCast 是 DeepMind 的确定性 AI 气象模型，在 0.25° 网格上以 6 小时步长做 10 天预报，在一份 1380 个目标的技能清单上有 90.3% 优于 HRES GraphCast。把它和 HRES 并列作为第二预报源，是 KNOU-Flood 与 AIFL 的一处明显分叉。

最能说明「改的是信息」的，是与 AIFL 的对照。AIFL 的输入窗是 180 天，而且每个输入步都用 1 天预见期的预报，相当于把 180 次独立发布的短期预报串起来。这在数据可得性上最省事，却让历史段与预报段失去区分度：模型没有机会知道哪一段是提前很久发出的。KNOU-Flood 改成过去日用 1 天预见期、预报日 t+j 各用自己的 j 天预见期；预报时真正拿得到什么信息，模型就吃什么信息。

三、概率头是精度上贡献最大的一处改动

在论文的组件分解里，把确定性输出换成概率头是单项贡献最大的一处改动，也是唯一能给出不确定度区间的部件。它的价值不止体现在分数上，防洪调度需要知道「这次预报有多不确定」，而点估计给不出这个信息。

它的训练分两阶段。预训练在 ERA5-Land 的 1980 到 2019 年数据上进行，用按流域流量变率加权的归一化 MSE；微调阶段换成 HRES 与 GraphCast 的 2016 到 2019 年，损失函数改为 fair CRPS，模型同时输出 K=8 个成员组成的集合。

CRPS 是一个概率预报评分，它同时惩罚「报得太偏」和「报得太糊」，越准越锐得分越好，在数学上可分解为可靠性、分辨率与气候不确定性三项 Hersbach 2000。fair CRPS 在此基础上修正成员数有限带来的系统性偏差，它的角色类似于用样本估计方差时要除以 M−1 而不是 M：用 M 个成员估出来的集合评分天生偏乐观，fair 版本把这份偏差扣掉。让 ML 模型直接在 CRPS 上端到端训练集合，在气象领域已有成熟先例，GenCast 用条件扩散生成 15 天全球集合，在 1320 个目标上显著优于 ECMWF 的业务集合 GenCast。KNOU-Flood 的 latent noise 是同一思路的轻量化版本。

图注：GenCast 生成一次预报的采样流程。蓝色框内，条件输入与一份初始噪声样本经细化网络反复处理，得到细化后的候选状态，再以残差形式加到上一时刻状态上，输出下一时刻气象态；这一过程沿时间轴自回归重复，每一步都换一份新的独立噪声样本，多条独立轨迹就构成集合。这张图说明用概率评分直接训练集合预报在行业里已经跑通。GenCast

latent noise 的设计值得单独说一句：噪声只在 424 天里的最后 60 步注入，前 364 步只算一次、由所有集合成员共享，训练时用 8 个成员、推断时用 16 个。输出端还有 0.4 的 dropout，推断时叠加 MC dropout，能在不重训的前提下把集合摊开。模型原样输出时集合明显欠离散，有 45% 到 51% 的观测落在 16 成员区间之外，而理想值是约 11.8%；加上推断期 dropout 后，落在区间外的比例降到 12% 到 16%，spread 与 RMSE 的比值从 0.60 至 0.67 拉回接近 1.0，几乎不用重训就接近校准。CRPS 在 1、5、10 天分别为 0.168、0.185、0.205，好于残差校准基线，也远好于气候值 0.275。组件分解显示，这个概率头在全部 10 个预见期上都带来 KGE' 提升，幅度在 +0.018 到 +0.041，是所有单项改动里最大的。

四、同一组权重换一种计分，远期 KGE' 从 0.18 变 0.34

论文信息量最大的实验是：同一组权重、同一批测试站，只改计分协议，10 天预见期的中位 KGE' 就能从 0.18 翻到 0.34，NSE 从 −0.23 变成 +0.02，RMSE 从 0.90 降到 0.71 mm/d。这说明此前报告的预见期衰退，很大一部分来自输入协议而不是模型能力。

两套协议的区别在于「假定预报发出时你能拿到什么」。AIFL 协议把 LTk 的预报塞进整个输入窗，也就是要评估 10 天预见期时，整段历史也都换成 10 天预见期的预报；operational 协议则让过去日用 LT1、预报日各用自己的 j 天预见期。前者在现实中拿不到，后者才是真正的业务条件。

用路况来理解最直接。同一辆车（同一组权重）在高速和市区跑出的油耗（KGE'）差一个量级并不奇怪，但把两组油耗混在一起当成车的性能表，就会把路况的差异错记成车的差异。AIFL 报告里的预见期衰退，有很大一部分就是这样被记到模型账上的。

这里必须点破一处反常，也要说清它的边界。同一个模型换个输入协议分数就近乎翻倍，本身就是反直觉的，它提示衰退主要不是模型的极限；但论文自己标注，这个 AIFL 协议是作者对 AIFL 原文计分方式的解读（原文标为 our reading），AIFL 原文并未写明这种替换方式。所以协议效应的具体幅度取决于这个假设，不宜当成定论。

在 operational 协议下，KNOU-Flood 的优势随预见期增大而扩大。1 天预见期时它的 KGE' 只领先基线约 0.04，到 10 天扩大到约 0.14；10 天预见期上优于气候值的站点比例是 89%，基线只有 55%。把基线放大到 1024 个隐藏单元也补不上差距，只换来 1 天预见期约 0.03 的提升，而 KNOU-Flood 自己的 1024 单元变体在 NSE 上 10 个预见期全部变差。这正面回答了「加大模型是不是就行」：在这条路线上不是。

图注：同一组权重在两种计分协议下的 KGE'、NSE、RMSE 随预见期变化的曲线，带 3 个训练种子的极差带，菱形标记是 AIFL 原文公布的 LT1 与 LT10 数值。两条曲线在长预见期处分叉明显，说明预报分数高度依赖「输入窗里假定能拿到什么信息」这一协议设定。KNOU-Flood

图注：operational 协议下 KNOU-Flood 与两类基线随预见期的衰退曲线，横轴为 1 到 10 天预见期，三个面板分别是 KGE'、NSE、RMSE。KNOU-Flood 用 3 个种子的极差带，基线同样 3 个种子，另有把基线放大到 1024 个隐藏单元的版本（单种子）。KNOU-Flood 的曲线随预见期下降更慢，且放大基线也未能缩小差距。KNOU-Flood

组件分解进一步说明每处改动的分量：概率头最大，其次是 GraphCast 通道，去掉它后 KGE' 与 NSE 在两种协议下都是 10 个预见期全部变差；再次是输入窗从 180 天拉到 424 天，约 +0.02；最后是混合微调，它专门补上了纯轨迹训练在 1 天预见期上的缺口，KGE' 从 0.614 回到 0.650。论文还试过「每周慢时钟」结构、GraphCast 与 HRES 的差分通道、按预见期加权的损失等，都没有或只有边际贡献。

五、可复现的对照基线是它最大的遗产，极值洪水仍靠随机种子

这篇论文的价值与其说在于刷新了某项指标，不如说在于它把自己做成了一份可复现的对照基准：代码、权重、逐站结果以及复现论文结果所需的命令全部公开，他人据此可以复核它对 AIFL 的复现与扩展。它更像一次受控的路线示范，而不是一个新架构。

论文自己列出的局限也需要逐条摆清。它的基线只用了 AIFL 约 18% 的训练更新量，隐藏单元数也不同（256 对 1024），因此绝对分数与 AIFL 论文公布值不可直接比较，这是作者主动标注的；空间留出验证只跑了一个种子。极值事件的表现最需要谨慎：1.5 年与 2 年一遇的洪水，集合成员阈值法在所有预见期、所有种子上都占优，但 5 年一遇以上，优势取决于训练种子。论文还试了一个尾部加权变体，在 10 年一遇以上的事件上 45/45 个格子都更好，但作者标注它是探索性的，因为是在看到测试结果之后才引入的。此外，每个站被独立建模，不做河网耦合，也没有整合多源降水产品和近实时流量观测，这些都被列为未来工作。

把边界说清楚之后，它的意义也更清楚：它改变的是问题的表述方式。长预见期的差距有多少来自模型、多少来自信息与计分，从此可以被分开讨论；对需要不确定度区间的防洪预警，它给出了一条在既有 LSTM 上加装概率头的低成本路径。但它离直接上防洪调度还有距离，极值预报的稳定性、河网耦合与多源观测的整合，都留给了后来者。这篇论文目前仍是预印本，尚未经过同行评审。公开代码与权重使独立复现成为可能，但本文未报告独立复现结果。

想深入可以读原文：KNOU-Flood: Advancing global streamflow forecasting with lead-aware probabilistic machine learning — arXiv:2610.20640

参考文献

1. Cheon, M. KNOU-Flood: Advancing global streamflow forecasting with lead-aware probabilistic machine learning. arXiv:2610.20640. https://arxiv.org/abs/2610.20640
2. Taccari, M. L. et al. AIFL: A Global Daily Streamflow Forecasting Model Using a Deterministic LSTM Pre-trained on ERA5-Land and Fine-tuned on IFS. arXiv:2602.16579 / J. Hydrol. 2026. https://arxiv.org/abs/2602.16579
3. Lam, R. et al. Learning skillful medium-range global weather forecasting (GraphCast). arXiv:2212.12794 / Science 382:1416-1421, 2023. https://arxiv.org/abs/2212.12794
4. Konold, O. et al. BiasCast: learning and adjusting real time biases from meteorological forecasts to enhance runoff predictions. HESS 30:5067-5096, 2026. https://doi.org/10.5194/hess-30-5067-2026
5. Nearing, G. et al. Global prediction of extreme floods in ungauged watersheds (Google Flood Hub). Nature 627:559-563, 2024. https://www.nature.com/articles/s41586-024-07145-1
6. Kratzert, F. et al. Caravan - A global community dataset for large-sample hydrology / Caravan MultiMet. Sci. Data 10:61, 2023 / arXiv:2411.09459. https://arxiv.org/abs/2411.09459
7. Kratzert, F. et al. Towards learning universal, regional, and local hydrological behaviors via machine learning applied to large-sample datasets (EA-LSTM). HESS 23:5089-5110, 2019. https://hess.copernicus.org/articles/23/5089/2019/
8. Kratzert, F. et al. NeuralHydrology - A Python library for Deep Learning research in hydrology. JOSS 7(71):4050, 2022. https://joss.theoj.org/papers/10.21105/joss.04050
9. Price, I. et al. Probabilistic weather forecasting with machine learning (GenCast). Nature 637:84-90, 2024 / arXiv:2312.15796. https://www.nature.com/articles/s41586-024-08252-9
10. Hersbach, H. Decomposition of the Continuous Ranked Probability Score for Ensemble Prediction Systems. Weather and Forecasting 15(5):559-570, 2000. https://doi.org/10.1175/1520-0434(2000)015%3C0559:DOTCRP%3E2.0.CO;2