[发明专利]基于随机森林算法的降雨—径流模拟方法

说明书

本发明公开了一种基于随机森林算法的降雨—径流模拟方法。主要包括：利用随机森林算法对具有不同降雨特征的场次降雨进行径流模拟，结合随机森林算法提出了一种综合降雨特征的降雨—径流模型，借助机器学习算法将场次降雨的特征作为模型输入，径流量作为模型输出，从而实现径流模拟过程。避免了传统降雨—径流模型的参数率定工作，计算过程简单，可得到较好的模拟效果，同时可用于不同区域的径流模拟研究工作，为径流模拟提供了新的方法。

技术领域

本发明涉及小流域径流模拟研究领域，具体涉及一种基于随机森林算法的降雨—径流模拟方法。

背景技术

目前径流模拟方法的发展已经日趋成熟，选用水文模型进行径流模拟是水文学领域的主要研究方向。降雨是重要的水文气象要素，径流、土壤含水量及其它水文过程均受到降雨的影响。降雨—径流模型在径流模拟应用中取得了良好的效果，但小流域缺少历史降雨径流过程资料，限定了进行径流模拟研究时使用的模型及方法，而数据驱动的降雨—径流模型因其简洁高效，对数据要求低等特点得到了广泛应用，同时随着机器学习领域的兴起，将机器学习算法与径流模拟结合也逐渐成为研究热点。

发明内容

本发明旨在提供一种基于随机森林算法的降雨—径流方法，通过对降雨特征进行筛选，建立具有研究流域特征的降雨属性集合，综合降雨特征及随机森林算法提出一种降雨—径流方法，对小流域次降雨径流模拟具有重要理论指导意义。

本发明提供了一种基于随机森林算法的降雨—径流模拟方法，该方法包括：

步骤1：获取场次降雨—径流观测数据，分析整理出具有区域代表性的M维降雨特征集合D，所述M维降雨特征包含降雨量、降雨历时、平均降雨强度、30分钟降雨强度以及表征流域土壤水分情况的前期影响雨量等；

步骤2：利用灰色关联分析对所述降雨特征进行优势降雨特征提取，构建由N维优势降雨特征组成的降雨属性集合D′，D′∈D，N≤M；

步骤3：以决策树作为基学习器构建随机森林模型，进行模型训练与测试，最终实现径流模拟过程。

其中，步骤2所述利用灰色关联分析对所述降雨特征进行优势降雨特征提取，构建由N维优势降雨特征组成的降雨属性集合D′具体包括：

(1)确立径流量为母因素序列Y，降雨特征为子因素序列X_i：

Y＝Y(k)|k＝1,2,…n

X_i＝X_i(k)|k＝1,2,…n；i＝1,2,…m

(2)将原始数据做均值化无量纲处理y(k)、x_i(k)：

(3)计算关联系数ξ_i(k)：

(4)计算关联度r_i，并由关联度构成关联度矩阵R：

式中，k表示序列长度，i表示子因素个数，△_i(k)表示第k个母因素及相应子因素差值的绝对值，ρ表示分辨系数，ρ∈(0,1)，可提高关联系数间的差异显著性，ρ越小，分辨力越大，一般取经验值0.5。

(5)根据关联度矩阵中各列的关联度大小判断优势降雨特征子因素。对降雨特征进行优势判断，剔除非优势特征，提取关键优势特征构建降雨属性集合D′，结合区域特征综合考虑降雨特征对产流的影响。

步骤3所述以决策树作为基学习器构建随机森林模型，进行模型训练与测试，最终实现径流模拟过程具体包括：