一种基于极端梯度算法的陆地水储量预测方法及设备技术

本发明专利技术提供一种基于极端梯度算法的陆地水储量预测方法及设备，包括：获取地表参数信息、陆地水储量信息及陆地水储量信息的空间分辨率；对所述地表参数信息进行降低空间分辨率的重采样，得到第一地表参数信息；基于所述第一地表参数信息和陆地水储量信息，迭代建立决策树，形成极端梯度回归模型；将所述目标地表参数信息进行降低空间分辨率的重采样，得到第二地表参数信息；将所述第二地表参数信息输入所述极端梯度提升回归模型，确定待预测时间内所述目标地表参数信息对应的陆地水储量信息。相对于现有技术，本发明专利技术能够实现对历史时期的陆地水储量信息的精准预测，进而得到长时间序列的陆地水储量动态变化数据。

A prediction method and equipment of land water reserves based on extreme gradient algorithm

【技术实现步骤摘要】
一种基于极端梯度算法的陆地水储量预测方法及设备
本专利技术涉及地理信息
，特别是涉及一种基于极端梯度算法的陆地水储量预测方法及设备。
技术介绍
地球是一个随时间空间变化的动力学系统，地球系统的物质质量重新分布会导致不同时间尺度的地球重力场变化。从而利用重力观测量就可以了解物质迁移和交换。在物质迁移研究中，陆地水储量对全球气候变化、经济发展和人类生活有着非常重大的意义。但是，由于早年科学发展水平的限制，无法发射重力卫星，利用重力卫星检测地球重力场的变化，因而，无法获取历史时期内的陆地水储量信息，为研究长时间序列的陆地水储量动态变化带来了难题，并且现有回溯重建方法难以对预测结果进行修正，易出现过拟合现象。
技术实现思路
为克服相关技术中存在的问题，本专利技术实施例提供了一种基于极端梯度算法的陆地水储量预测方法、装置及设备。根据本专利技术实施例的第一方面，提供一种基于极端梯度算法的陆地水储量预测方法，包括如下步骤：获取地表参数信息、陆地水储量信息及陆地水储量信息的空间分辨率；其中，所述地表参数信息包括本文档来自技高网...

【技术保护点】
1.一种基于极端梯度算法的陆地水储量预测方法，其特征在于，包括步骤：/n获取地表参数信息、陆地水储量信息及陆地水储量信息的空间分辨率；其中，所述地表参数信息包括流域地表信息、高程数据信息和气候分区信息；/n对所述地表参数信息进行降低空间分辨率的重采样，得到第一地表参数信息，使所述第一地表参数信息的空间分辨率与所述陆地水储量信息的空间分辨率相同；/n基于所述第一地表参数信息和陆地水储量信息，迭代建立决策树，形成极端梯度回归模型；其中，第一棵决策树基于所述第一地表参数信息和陆地水储量信息而建立，后一棵决策树基于前一棵决策树输出的残差而建立；在预设的迭代次数内，选取最小残差对应的迭代次数为目标迭代次...

【技术特征摘要】
1.一种基于极端梯度算法的陆地水储量预测方法，其特征在于，包括步骤：
获取地表参数信息、陆地水储量信息及陆地水储量信息的空间分辨率；其中，所述地表参数信息包括流域地表信息、高程数据信息和气候分区信息；
对所述地表参数信息进行降低空间分辨率的重采样，得到第一地表参数信息，使所述第一地表参数信息的空间分辨率与所述陆地水储量信息的空间分辨率相同；
基于所述第一地表参数信息和陆地水储量信息，迭代建立决策树，形成极端梯度回归模型；其中，第一棵决策树基于所述第一地表参数信息和陆地水储量信息而建立，后一棵决策树基于前一棵决策树输出的残差而建立；在预设的迭代次数内，选取最小残差对应的迭代次数为目标迭代次数，基于所述目标迭代次数确定所述决策树的数量；
获取待预测时间内的目标地表参数信息，将所述目标地表参数信息进行降低空间分辨率的重采样，得到第二地表参数信息，使所述第二地表参数信息的空间分辨率与所述陆地水储量信息的空间分辨率相同；
将所述第二地表参数信息输入所述极端梯度提升回归模型，累加所述极端梯度回归模型内决策树的输出信息，确定待预测时间内所述目标地表参数信息对应的陆地水储量信息。


2.根据权利要求1所述的基于极端梯度算法的陆地水储量预测方法，其特征在于，所述基于所述第一地表参数信息和陆地水储量信息，迭代建立决策树，形成极端梯度回归模型，包括步骤:
获取数据集其中，xi表示第一地表参数信息，yi表示陆地水储量信息，xi和yi均为真实值；
基于最小化目标函数，在所述预设的迭代次数内，计算最小残差对应的迭代次数，得到所述目标迭代次数；其中，最小化目标函数如下：




为经过t-1次迭代后预测的陆地水储量信息，为正则化项或惩罚项，γ为正则化项的系数，l()为损失函数，用于表示所述残差的平方和，所述残差越小，对应的损失函数的值越小。其中，损失函数和正则化项的计算公式如下：










为经过t次迭代后预测的陆地水储量信息，为未经过迭代建立决策树时，预测的陆地水储量信息为0。


3.根据权利要求1所述的基于极端梯度算法的陆地水储量预测方法，其特征在于，所述将所述第二地表参数信息输入所述极端梯度提升回归模型，累加所述极端梯度回归模型内决策树的输出信息，确定待预测时间内所述目标地表参数信息对应的陆地水储量信息，包括步骤：
将所述第二地表参数信息输入所述极端梯度提升回归模型，通过预设累加公式累加所述极端梯度回归模型内决策树的输出信息，确定待预测时间内所述目标地表参数信息对应的陆地水储量信息；其中，所述预设累加公式如下：



其中，k表示极端梯度提升回归模型中决策树的棵树，F表示所有决策树的集合，f1(xi)表示所述决策树的输出信息，为待预测时间内所述目标地表参数信息对应的陆地水储量信息。


4.根据权利要求1-3任意一项所述的基于极端梯度算法的陆地水储量预测方法，其特征在于，所述基于所述第一地表参数信息和陆地水储量信息，迭代建立决策树，形成极端梯度回归模型，包括步骤：
计算所述第一地表参数信息的第一平均值信息；其中，所述第一平均值信息为预设时间段内所述第一地表参数信息的平均值；
计算所述陆地水储量信息的第二平均值信息；其中，所述第二平均值信息为预设时间段内所述陆地水储量信息的平均值；
基于所述第一平均值信息和所述第二平均值信息，迭代建立决策树，形成极端梯度回归模型；其中，第一棵决策树基于所述第一平均值信息和第二平均值信息而建立，...

【专利技术属性】
技术研发人员：荆文龙，李勇，刘杨晓月，杨骥，夏小琳，
申请(专利权)人：广州地理研究所，
类型：发明
国别省市：广东;44