Hybrid modelling approach to prairie hydrology: fusing data-driven and process-based hydrological models

Abstract

Much of the prairie region in North America is characterized by relatively flat terrain with many depressions on the landscape. The hydrological response (runoff) is a combination of the conventional runoff from the contributing areas and the occasional overflow from the non-contributing areas (depressions). In this study, we promote the use of a hybrid modelling structure to predict runoff generation from prairie landscapes. More specifically, the Soil and Water Assessment Tool (SWAT) is fused with artificial neural networks (ANNs), so that SWAT and the ANN module deal with the contributing and non-contributing areas, respectively. A detailed experimental study is performed to select the best set of inputs, training algorithms and hidden neurons. The results obtained in this study suggest that the fusion of process-based and data-driven models can provide improved modelling capabilities for representing the highly nonlinear nature of the hydrological processes in prairie landscapes.

Editor D. Koutsoyiannis; Associate editor L. See

Résumé

Une grande partie de la région des Prairies en Amérique du Nord est caractérisée par un terrain relativement plat avec de nombreuses dépressions. La réponse hydrologique (ruissellement) est la combinaison de l'écoulement classique à partir des zones qui contribuent et du trop-plein occasionnel des zones ne contribuant pas (dépressions). Dans cette étude, nous favorisons l'utilisation d'une structure de modélisation hybride pour prévoir la génération de ruissellement des paysages des Prairies. Plus précisément, le modèle Soil and Water Assessment Tool (SWAT) a été fusionné avec des réseaux de neurones artificiels (RNA), de sorte que les modules SWAT et RNA gèrent respectivement les domaines contributifs et non contributifs..Une étude expérimentale détaillée a été effectuée pour sélectionner le meilleur jeu de données d'entrée, les algorithmes d’entraînement et les neurones cachés. Les résultats obtenus dans cette étude suggèrent que la fusion de modèles basés sur les processus et dirigés par les données peut améliorer la capacité de la modélisation à représenter la nature fortement non linéaire des processus hydrologiques dans les paysages des Prairies.

Key words:

• prairie hydrology
• unconventional runoff generation
• hybrid modelling
• Soil and Water Assessment Tool (SWAT)
• artificial neural network (ANN)

Mots clefs:

• hydrologie des prairies
• génération de ruissellement non conventionnelle
• modélisation hybride
• Soil and Water Assessment Tool (SWAT)
• réseaux de neurones artificiels (RNA)

Acknowledgments

We thank the reviewers for their constructive comments that have helped improve the paper.

Additional information

Funding

The authors would like to thank the Province of Saskatchewan Go Green Fund and the Canada Excellence Research Chair in Water Security at the University of Saskatchewan for financial support for this work.