陆地水储量预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及地理信息技术领域，特别涉及一种陆地水储量预测方法，所述方法包括：获取目标区域的目标时间段内的地表参数以及陆地水储量数据，其中，所述地表参数包括流域地表参数、经纬度数据、高程数据以及气候分区数据；根据所述地表参数、陆地水储量数据以及预设的机器学习算法，构建陆地水储量数据与地表参数的非线性回归映射模型；响应于陆地水储量预测指令，所述陆地水储量预测指令包括待测区域的目标时间段内的地表参数，根据所述待测区域的目标时间段内的地表参数以及陆地水储量数据与地表参数的非线性回归映射模型，获取所述待测区域的目标时间段内的陆地水储量数据。区域的目标时间段内的陆地水储量数据。区域的目标时间段内的陆地水储量数据。

【技术实现步骤摘要】
陆地水储量预测方法、装置、设备及存储介质


[0001]本专利技术涉及地理信息
，特别涉及是一种陆地水储量预测方法、装置、设备以及存储介质。

技术介绍

[0002]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。
[0003]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处理高维的海量数据，无法在数据特征缺失的情况下，维持预测的准确性。

技术实现思路

[0004]基于此，本专利技术的目的在于，提供一种陆地水储量预测方法、装置、设备以及存储介质，能够综合考虑多种地表参数对陆地水储量数据的影响，基于已有的地表参数和陆地水储量数据，建立陆地水储量数据与地表参数的非线性回归映射模型，将历史时期地表参数应用于该模型，能够实现历史时期的陆地水储量数据的精准预测，进而得到长时间序列的陆地水储量数据。并且，采用支持向量机算法建立陆地水储量信息与地表参数信息的非线性映射关系模型能够有效修正预测结果的误差，防止过拟合现象的发生。
[0005]第一方面，本申请实施例提供了一种陆地水储量预测方法，包括以下步骤：
[0006]获取目标区域的目标时间段内的地表参数以及陆地水储量数据，其中，所述地表参数包括流域地表参数、经纬度数据、高程数据以及气候分区数据；
[0007]根据所述地表参数、陆地水储量数据以及预设的机器学习算法，构建陆地水储量数据与地表参数的非线性回归映射模型；
[0008]响应于陆地水储量预测指令，所述陆地水储量预测指令包括待测区域的目标时间段内的地表参数，根据所述待测区域的目标时间段内的地表参数以及陆地水储量数据与地表参数的非线性回归映射模型，获取所述待测区域的目标时间段内的陆地水储量数据。
[0009]第二方面，本申请实施例提供了一种陆地水储量预测装置，包括：
[0010]获取模块，用于获取目标区域的目标时间段内的地表参数以及陆地水储量数据，其中，所述地表参数包括流域地表参数、经纬度数据、高程数据以及气候分区数据；
[0011]构建模块，用于根据所述地表参数、陆地水储量数据以及预设的机器学习算法，构建陆地水储量数据与地表参数的非线性回归映射模型；
[0012]预测模块，用于响应于陆地水储量预测指令，所述陆地水储量预测指令包括待测区域的目标时间段内的地表参数，根据所述待测区域的目标时间段内的地表参数以及陆地水储量数据与地表参数的非线性回归映射模型，获取所述待测区域的目标时间段内的陆地
水储量数据。
[0013]第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述陆地水储量预测方法的步骤。
[0014]第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的陆地水储量预测方法的步骤。
[0015]在本申请实施例中，提供一种陆地水储量预测方法、装置、设备以及存储介质，能够综合考虑多种地表参数对陆地水储量数据的影响，基于已有的地表参数和陆地水储量数据，建立陆地水储量数据与地表参数的非线性回归映射模型，将历史时期地表参数应用于该模型，能够实现历史时期的陆地水储量数据的精准预测，进而得到长时间序列的陆地水储量数据。并且，采用支持向量机算法建立陆地水储量信息与地表参数信息的非线性映射关系模型能够有效修正预测结果的误差，防止过拟合现象的发生。
[0016]为了更好地理解和实施，下面结合附图详细说明本专利技术。
附图说明
[0017]图1为本申请一个实施例提供的陆地水储量预测方法的流程示意图；
[0018]图2为本申请另一个实施例提供的陆地水储量预测方法的流程示意图；
[0019]图3为本申请一个实施例提供的陆地水储量预测方法的长短期记忆网络的主体结构示意图；
[0020]图4为本申请一个实施例提供的陆地水储量预测方法中S2的流程示意图；
[0021]图5为本申请一个实施例提供的陆地水储量预测装置的结构示意图；
[0022]图6为本申请一个实施例提供的计算机设备的结构示意图。
具体实施方式
[0023]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0024]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0025]应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”/“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0026]请参阅图1，图1为本申请一个实施例提供的陆地水储量预测方法的流程示意图，所述方法包括如下步骤：
[0027]S1：获取目标区域的目标时间段内的地表参数以及陆地水储量数据，其中，所述地表参数包括流域地表参数、经纬度数据、高程数据以及气候分区数据。
[0028]所述陆地水储量预测方法的执行主体为陆地水储量预测方法的预测设备(以下简称预测设备)，在一个可选的实施例中，所述预测设备可以是一台计算机设备可以是服务器，或是多台计算机设备联合而成的服务器机群。
[0029]所述地表参数包括流域地表参数、经纬度数据、高程数据以及气候分区数据。
[0030]其中，所述流域地表参数包括净短波辐射通量、净长波辐射通量、净潜热通量、净感热通量、热通量、降雪比率、降水比率、蒸散发、暴雨表面径流速、基流地下水径流速、融雪速度、雪表温度、表面平均温度、雪深水当量、积雪深度、地表土壤湿度、植被根系土壤湿度、剖面土壤湿度、冠层水分蒸发速率、蒸腾速率、裸土直接蒸发速率、植被冠层表面储水量、积雪蒸发速率、气动电导率、流域水储量、地下水储量、风速、总降水率、温度、比湿、气压、下行短波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种陆地水储量预测方法，其特征在于，包括以下步骤：获取目标区域的目标时间段内的地表参数以及陆地水储量数据，其中，所述地表参数包括流域地表参数、经纬度数据、高程数据以及气候分区数据；根据所述地表参数、陆地水储量数据以及预设的机器学习算法，构建陆地水储量数据与地表参数的非线性回归映射模型，其中，所述非线性回归映射模型为：TWSA＝SVM(33Catchment Parameters,Location,DEM,Climate Zone,Time)式中，TWSA为所述陆地水储量数据，Catchment Parameters为所述流域地表参数，Location为所述经纬度数据，DEM为所述高程数据，Climate Zone为所述气候分区数据，Time为时间数据，包括所述地表参数以及陆地水储量数据对应的时间参数；响应于陆地水储量预测指令，所述陆地水储量预测指令包括待测区域的目标时间段内的地表参数，根据所述待测区域的目标时间段内的地表参数以及陆地水储量数据与地表参数的非线性回归映射模型，获取所述待测区域的目标时间段内的陆地水储量数据。2.根据权利要求1所述的陆地水储量预测方法，其特征在于，所述流域地表参数包括净短波辐射通量、净长波辐射通量、净潜热通量、净感热通量、热通量、降雪比率、降水比率、蒸散发、暴雨表面径流速、基流地下水径流速、融雪速度、雪表温度、表面平均温度、雪深水当量、积雪深度、地表土壤湿度、植被根系土壤湿度、剖面土壤湿度、冠层水分蒸发速率、蒸腾速率、裸土直接蒸发速率、植被冠层表面储水量、积雪蒸发速率、气动电导率、流域水储量、地下水储量、风速、总降水率、温度、比湿、气压、下行短波辐射以及下行长波辐射。3.根据权利要求1所述的陆地水储量预测方法，其特征在于，所述根据所述地表参数、陆地水储量数据以及预设的机器学习算法，构建陆地水储量数据与地表参数的非线性回归映射模型之前，包括步骤：获取所述陆地水储量数据的空间分辨率，根据所述陆地水储量数据的空间分辨率，对所述地表参数进行重采样处理，获取空间分辨率与所述陆地水储量数据的空间分辨率一致的地表参数。4.根据权利要求1所述的陆地水储量预测方法，其特征在于：所述非线性回归映射模型设置有可调节参数，其中，所述可调节参数包括惩罚系数、核函数、核函数系数、核函数常数值、缓冲大小以及最大迭代次数。5.根据权利要求4所述的陆地水储量预测方法，其特征...

【专利技术属性】
技术研发人员：刘杨晓月，陈晓娜，杨雅萍，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：