【技术实现步骤摘要】
基于神经网络可选择模型提高水储量变化预测可靠性方法
本专利技术属于卫星重力学、水文学等交叉
，尤其涉及一种基于神经网络可选择模型提高水储量变化预测可靠性方法。
技术介绍
陆地水储量变化(terrestrialwaterstorageanomaly，TWSA)是地表水、降水、蒸发、径流、土壤水、地下水和其他成分相互作用的结果，也是水文循环的关键部分。传统的监测陆地水储量变化TWSA的方法包括遥感卫星反演法、观测法、物理模拟法等，然而上述方法无法估算陆地水储量的全部组分，例如，气象业务卫星MetOp(MeteorologicalOperationalSatelliteProgram)只能计算土壤表层(＜2cm)的含水量情况。2002年3月发射的GRACE卫星(GravityRecoveryandClimateExperiment)以及于2018年5月发射的GRACE-FO卫星(GRACE-FollowOn)可观测地球重力场的时间变化，并进一步获取陆地水储量变化TWSA。GRACE卫星和GRACE-FO卫星提供的陆地...
【技术保护点】
1.一种基于神经网络可选择模型提高水储量变化预测可靠性方法，其特征在于，包括：/n获取GLDAS数据和TRMM降雨数据；/n通过偏最小二乘回归模型PLSR，从GLDAS数据和TRMM降雨数据中筛选得到预测变量；/n调用预测模型，将筛选得到的预测变量作为预测模型的输入，通过预测模型得到陆地水储量变化预测值。/n
【技术特征摘要】
1.一种基于神经网络可选择模型提高水储量变化预测可靠性方法，其特征在于，包括：
获取GLDAS数据和TRMM降雨数据；
通过偏最小二乘回归模型PLSR，从GLDAS数据和TRMM降雨数据中筛选得到预测变量；
调用预测模型，将筛选得到的预测变量作为预测模型的输入，通过预测模型得到陆地水储量变化预测值。
2.根据权利要求1所述的基于神经网络可选择模型提高水储量变化预测可靠性方法，其特征在于，偏最小二乘回归模型PLSR的表达式如下：
其中，VIPj值表示第j个自变量的指标投影重要性，p表示自变量的个数，h表示提取的主成分的个数，tk表示相关自变量提取的主成分，R(Y,tk)表示第k个成分tk与因变量Y的相关系数，wkj表示第j个自变量对第k个成分tk上的权重。
3.根据权利要求2所述的基于神经网络可选择模型提高水储量变化预测可靠性方法，其特征在于，通过偏最小二乘回归模型PLSR，从GLDAS数据和TRMM降雨数据中筛选得到预测变量，包括：
从GLDAS数据和TRMM降雨数据中提取得到Noah水文模型陆地水储量变化NoahTWSA、蒸散发量ET、径流SR、气温AT、风速WS和降雨PRECP，作为偏最小二乘回归模型PLSR的自变量，并确定自变量的个数p；
将从GRACE数据和GRACE-FO数据中提取得到陆地水储量变化TWSA，作为因变量Y；
对偏最小二乘回归模型PLSR的自变量和因变量进行标准化处理，得到标准化处理之后的自变量矩阵X0和因变量矩阵Y0；
通过主成分分析法，确定第j个自变量Xj的主成分tk，提取的主成分的个数h，以及第k个成分tk与因变量Y的相关系数R(Y,tk)；
通过回归分析方法，确定第j个自变量对第k个成分tk上的权重wkj；
代入公式(1)，分别求解得到各自变量的指标投影重要性；
根据求解得到的各自变量的指标投影重要性与设定阈值的比较结果，筛选得到满足设定阈值要求的自变量作为预测变量。
4.根据权利要求3所述的基于神经网络可选择模型提高水储量变化预测可靠性方法，其特征在于，根据求解得到的各自变量的指标投影重要性与设定阈值的比较结果，筛选得到满足设定阈值要求的自变量作为预测变量，包括：
若当前自变量的指标投影重要性不小于0.8，则将当前自变量作为预测变量；
若当前自变量的指标投影重要性小于0.8，则过滤掉当前自变量。
5.根据权利要求1所述的基于神经网络可选择模型提高水储量变化预测可靠性方法，其特征在于，调用预测模型，将筛选得到的预测变量作为预测模型的输入，通过预测模型得到陆地水储量变化预测值，包括：
调用外部输入非线性自回归预测模型NARX、反向传播预测模型BP或多元线性回归预测模型MLR；
将筛选得到的预测变量作为非线性自回归预测模型NARX、反向传播预测模型BP或多元线性回归预测模型MLR的输入；
...
【专利技术属性】
技术研发人员：郑伟，尹文杰，石卓娅，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。