一种基于领域适应和机器学习的无资料流域径流模拟方法技术

本发明专利技术公开了一种基于领域适应和机器学习的无资料流域径流模拟方法，包括以下步骤：S1、分别收集有资料流域和无资料流域的气象数据和地理数据，及收集有资料流域的径流数据，并进行数据预处理；S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取；S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重，降低有资料流域和无资料流域之间输入数据集的均值分布差异；S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型，并将无资料流域的输入数据集输入到模型中进行径流模拟；该发明专利技术灵活易用，对数据量的依赖性较低，能够有效提升无资料流域的径流模拟精度。

【技术实现步骤摘要】

本专利技术涉及径流模拟，具体涉及一种基于领域适应和机器学习的无资料流域径流模拟方法。

技术介绍

1、径流模拟在水资源管理和环境保护中具有重要意义。通过模拟河道径流量，能够更好地了解降雨事件对流域水文过程的影响，为水资源利用规划和环境容量计算提供技术支撑。

2、常用的径流模拟模型包括过程机理模型（如swat、hec-hms等）和机器学习模型（如支持向量机器、随机森林等）。近年来，机器学习模型逐渐应用于径流模拟领域，在许多场景中表现出了独特的优势。机器学习径流模拟方法的优点之一是其灵活性和泛化能力。过程机理模型往往基于复杂的流域地表地下水文过程和河道汇流过程，需要大量的输入参数，而机器学习模型能够从径流历史观测数据中学习参数间的相互作用模式，减少对先验知识的依赖。此外，机器学习模型还能够处理非线性和复杂水文响应关系，更好地适应各种流域特征（降水、地形、土壤、植被等气象与地理特征），提高模拟精度。

3、然而，机器学习模型也存在数据依赖性的问题。在无径流监测资料流域，无法直接确定流域特征和径流响应关系。因此，如何在无径流资料流域构建机器学习本文档来自技高网...

【技术保护点】

1.一种基于领域适应和机器学习的无资料流域径流模拟方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于领域适应和机器学习的无资料流域径流模拟方法，其特征在于：步骤S1中所述气象数据包括降水、2分钟平均风速、日平均气温、日最高气温、日最低气温和日平均相对湿度；所述地理数据包括土壤含水率、归一化植被指数、植被覆盖率、坡度、河网密度和汇水区面积；所述径流数据是指有资料流域的历史径流监测数据。

3.如权利要求1所述的一种基于领域适应和机器学习的无资料流域径流模拟方法，其特征在于：步骤S1中所述预处理包括剔除非数值型数据、剔除异常数据和数据时间分辨率对齐；所述剔...

【技术特征摘要】

1.一种基于领域适应和机器学习的无资料流域径流模拟方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于领域适应和机器学习的无资料流域径流模拟方法，其特征在于：步骤s1中所述气象数据包括降水、2分钟平均风速、日平均气温、日最高气温、日最低气温和日平均相对湿度；所述地理数据包括土壤含水率、归一化植被指数、植被覆盖率、坡度、河网密度和汇水区面积；所述径流数据是指有资料流域的历史径流监测数据。

3.如权利要求1所述的一种基于领域适应和机器学习的无资料流域径流模拟方法，其特...

【专利技术属性】
技术研发人员：陈能汪，余镒琦，梁中耀，李少斌，赵昕叶，李冰菲，
申请(专利权)人：厦门大学，
类型：发明
国别省市：