一种基于机器学习的干旱传播时间预测方法技术

本发明专利技术公开一种基于机器学习的干旱传播时间预测方法，所述方法包括：收集并预处理用于干旱指数计算的水文气象数据；采用逐日滑动方法，计算给定目标时间尺度下的累积降水、潜在蒸散发和土壤含水量；拟合累积数据的概率分布函数，并对累积概率进行正态分布逆变换，获得气象干旱和农业干旱指数序列；识别气象干旱和农业干旱事件，并统计气象干旱事件发生时的土壤含水量状态和气象干旱事件特征作为影响干旱传播时间的潜在因素；对识别的气象干旱和农业干旱事件进行匹配，计算每个匹配干旱事件对的传播时间；训练基于极端梯度提升算法的干旱传播时间预测模型，实现干旱传播时间的预测；为农业干旱预测和抗旱水源优化配置提供技术支撑。

【技术实现步骤摘要】

本专利技术涉及干旱灾害预测领域，具体涉及一种基于机器学习的干旱传播时间预测方法。

技术介绍

1、干旱是世界上分布最广且造成损失最严重的自然灾害之一。不同类型的干旱之间存在密切的联系，气象干旱是农业干旱的前兆。长期降水不足（气象干旱）会导致土壤含水量持续下降，进而影响植被生长和作物生产，最终引发农业干旱。气象干旱向农业干旱的转变过程称为干旱传播，干旱传播时间是衡量农业干旱与气象干旱之间滞后效应的重要指标。准确预测气象干旱到农业干旱的传播时间，对于实现农业干旱预警和优化水资源管理具有重要意义。

2、游程理论及相关的阈值分析方法在干旱事件识别中应用广泛，可以确定干旱事件的发生、持续和结束时间，是估计干旱传播时间的主要方法之一。该方法利用农业干旱和气象干旱事件发生时刻之间的差值作为干旱传播时间，相较于传统相关性分析方法，能更有效的反映干旱传播时间的事件依赖性和时变特征。然而，现有的研究主要侧重于对干旱传播时间的统计分析，缺乏切实可行的干旱传播时间预测方法，难以实现基于气象干旱信息的农业干旱早期预警。干旱传播时间不仅受气象干旱特征的影响，还与前期土壤湿度本文档来自技高网...

【技术保护点】

1.一种基于机器学习的干旱传播时间预测方法，其特征在于：所述方法包括：

2.根据权利要求1所述的基于机器学习的干旱传播时间预测方法，其特征在于：所述S1中包括：将收集到的数据重采样到逐日时间分辨率。

3.根据权利要求1所述的基于机器学习的干旱传播时间预测方法，其特征在于：所述S2中选择在30天时间尺度上对降水、潜在蒸散发和土壤含水量数据进行逐日滑动累积计算，并分别构建标准化降水蒸散指数SPEI序列和标准化土壤含水量指数SSMI序列。

4.根据权利要求3所述的基于机器学习的干旱传播时间预测方法，其特征在于：所述构建标准化降水蒸散指数SPEI序列具体包括：...

【技术特征摘要】

1.一种基于机器学习的干旱传播时间预测方法，其特征在于：所述方法包括：

2.根据权利要求1所述的基于机器学习的干旱传播时间预测方法，其特征在于：所述s1中包括：将收集到的数据重采样到逐日时间分辨率。

3.根据权利要求1所述的基于机器学习的干旱传播时间预测方法，其特征在于：所述s2中选择在30天时间尺度上对降水、潜在蒸散发和土壤含水量数据进行逐日滑动累积计算，并分别构建标准化降水蒸散指数spei序列和标准化土壤含水量指数ssmi序列。

4.根据权利要求3所述的基于机器学习的干旱传播时间预测方法，其特征在于：所述构建标准化降水蒸散指数spei序列具体包括：

5.根据权利要求1所述的基于机器学习的干旱传播时间预测方法，其特征在于：所述s3包括：采用游程理论，并以-0.50作为阈值来识别气象干旱和农业干旱事件；干旱历时定义为标准化降水蒸散指数spei或标准化土壤含水量指数ssmi值低于-0.5的连续天数，选取30天作为干旱历时的阈值来识别一场干旱事件；为避免干旱期间因短暂降水补充而将连续干旱事件误分割为多个较短事件，从而影响对干旱历时、强度等特征的统计，需要将若干场“关联干旱”事件...

【专利技术属性】
技术研发人员：徐征光，郭笑，刘俊国，丁一桐，丁海伦，黄钰峰，
申请(专利权)人：华北水利水电大学，
类型：发明
国别省市：