【技术实现步骤摘要】
本专利技术涉及数据预测领域，尤其涉及结合机器学习的区域尺度地下水补给机理预测方法。
技术介绍
1、目前的地下水补给机理预测，通常采用饱和区—非饱和区相结合的质量平衡法（氯离子和同位素）进行。然而，氯离子平衡法通常只能应用在具有长期监测资料、无人类活动干扰的小尺度区域，同位素平衡法无法准确确定优先流项的同位素值，导致区域尺度地下水补给机理预测准确性不高。
技术实现思路
1、本专利技术针对现有技术中区域尺度地下水补给机理预测准确性不高的技术问题，提供结合机器学习的区域尺度地下水补给机理预测方法。
2、本专利技术解决上述技术问题的技术方案如下：
3、本专利技术提供了结合机器学习的区域尺度地下水补给机理预测方法，包括：
4、对目标区域进行定性分析，生成地下水补给机理；
5、通过土壤水同位素预测模型处理环境因子数据，获得土壤水同位素景观图谱，通过地下水同位素预测模型处理环境因子数据，获得地下水同位素景观图谱；
6、检索满足所述土壤水同位素景...
【技术保护点】
1.结合机器学习的区域尺度地下水补给机理预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，对目标区域进行定性分析，生成地下水补给机理，包括：
3.如权利要求2所述的方法，其特征在于，统计满足所述降水同位素数据、所述地下水同位素数据、所述土壤水同位素数据、所述水化学数据和所述环境因子数据的历史定性分析样本集合，统计一类机理触发频率占比、二类机理触发频率占比和三类机理触发频率占比，包括：
4.如权利要求3所述的方法，其特征在于，基于所述多簇一类机理拟合频率、所述多簇二类机理拟合频率和所述多簇三类机理拟合频率，统计所述...
【技术特征摘要】
1.结合机器学习的区域尺度地下水补给机理预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，对目标区域进行定性分析，生成地下水补给机理，包括：
3.如权利要求2所述的方法，其特征在于，统计满足所述降水同位素数据、所述地下水同位素数据、所述土壤水同位素数据、所述水化学数据和所述环境因子数据的历史定性分析样本集合，统计一类机理触发频率占比、二类机理触发频率占比和三类机理触发频率占比，包括：
4.如权利要求3所述的方法，其特征在于，基于所述多簇一类机理拟合频率、所述多簇二类机理拟合频率和所述多簇三类机理拟合频率，统计所述一类机理触发频率占比、所述二类机理触发频率占比和所述三类机理触发频率占比，包括：
5.如权利要求3所述的方法，其特征在于，对所述历史定性分析样本集合进行聚类分析，获得多簇历史定性分析样本，包括：
6.如权利要求5所述的方法，其特征在于，根据相似度分析函数，基于所述第一降水同位素数据...
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。