[发明专利]基于BP人工神经网络和情景模拟组合的径流变化归因识别方法

说明书

本发明公开了一种基于BP人工神经网络和情景模拟组合的径流变化归因识别方法，包括以下步骤：筛选关键驱动因子；对关键驱动因子数据并进行规范化处理；建立关键驱动因子到径流的BP人工神经网络；设计情景，模拟对应情景下的径流；组合不同情景，计算驱动因子对径流变化的独立影响。本发明依据流域水量平衡关系细化了变化环境下径流变化的驱动因子，有效保证了驱动因子与径流的物理关系，建立起各驱动因子到径流的非线性映射关系，对不同情境下的径流组合以考虑因子间影响，从而实现对变化环境下径流变化归因定量识别。

技术领域

本发明涉及水利工程领域中的流域径流变化归因识别技术，特别涉及一种基于BP人工神经网络和情景模拟组合的径流变化归因识别方法。

背景技术

受气候变化和人类活动的双重影响，全球流域径流时空变化规律发生了不同程度的变异，水资源的不确定性程度不断加深。长期以来，流域水资源开发利用所依据的历史径流序列和供需关系主要基于水文序列的平稳性假定，普遍缺少对气候变化和人类活动影响及其带来的不确定性研究。然而，变化环境造成径流时空演变规律发生显著变异，并影响区域社会经济发展的水资源供需关系，从而给复杂水利水电系统的安全、经济运行带来风险。径流变化的归因识别技术旨在定性和定量揭示变化环境下径流时空变化的成因，为流域水资源系统适应性调度和管理提供依据，通过定性或定量分析的归因识别结果做出具有针对性、便于操作的径流适应性调控决策。

目前，变化环境下径流变化的归因识别方法主要侧重于将径流变化归因于气候变化和人类活动两方面，物理成因考虑不足，驱动因子过于简化。实际上，气候系统的变化都将在水文循环的关键要素中得到体现或反映，水文要素的变化同样对气候系统直接或间接地产生影响；人类活动则在改变产汇流条件、直接取用水、影响河道汇流过程等方面对水循环产生了显著的影响。此外，径流变化是气候变化、人类活动、经济发展等多因子共同作用、交织发展的综合结果，现有的方法难以简单分割成独立的贡献占比。

发明内容

发明目的：提供一种基于BP人工神经网络和情景模拟组合的径流变化归因识别方法，以解决现有技术存在的上述问题。

技术方案：一种基于BP人工神经网络和情景模拟组合的径流变化归因识别方法，其特征在于，包括以下步骤：

步骤1，筛选关键驱动因子；

步骤2，对所述关键驱动因子数据并进行规范化处理；

步骤3，建立关键驱动因子到径流的BP人工神经网络；

步骤4，设计情景，模拟对应情景下的径流；

步骤5，组合不同情景，计算各因子对径流变化的独立影响。

根据本发明的一个方面，所述步骤1中依据流域的水量平衡关系，针对水量平衡方程中除径流外的各分项选择驱动因子，包括选择降水要素、气温和风速作为驱动因子，筛选出关键驱动因子X₁,X₂,...,X_i,...,X_n，n为自然数。

根据本发明的一个方面，所述步骤2具体为：搜集关键驱动因子的序列资料及径流资料，将其规范化，生成数据样本。

根据本发明的一个方面，所述步骤3进一步包括：

步骤31、构建网络拓扑结构：构建包含输入层、单隐层和输出层的3层BP网络拓扑结构；输入层各节点对应所选各个驱动因子，输出层则对应径流；根据Lippmann提出的经验公式确定隐层节点数h＝1×(n+1)，n为自然数；

步骤32、选择网络参数与激发函数：采用双曲正切Sigmoid函数作为激发函数，u为输入参数，学习速率取0.6，动量因子取0.5，网络的权值、阈值的初值均在(-1,1)随机生成；