[发明专利]一种基于机器学习的无资料地区水文模型参数区域化方法在审
| 申请号： | 201910106649.4 | 申请日： | 2019-02-02 |
| 公开（公告）号： | CN109840873A | 公开（公告）日： | 2019-06-04 |
| 发明（设计）人： | 郭良;王雅莉;刘荣华;梁立峰;毕青云;刘昌军;翟晓燕;李想;刘启 | 申请（专利权）人： | 中国水利水电科学研究院 |
| 主分类号： | G06Q50/26 | 分类号： | G06Q50/26;G06N20/00;G06K9/62 |
| 代理公司： | 北京国林贸知识产权代理有限公司 11001 | 代理人： | 李瑾;李连生 |
| 地址： | 100038 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的无资料地区水文模型参数区域化方法，包括以下步骤：步骤1、数据准备；步骤2、获取有资料流域水文模型参数集；步骤3、流域特征属性主成分提取；步骤4、构建机器学习决策树算法数据集；步骤5、构建决策树，生成最优决策树；步骤6、根据决策树分类规则，获得流域最优分类规则；步骤7、无资料流域参数获取。本发明提出了一种基于机器学习的无资料地区水文模型参数区域化方法，该参数区域化方法不仅客观性强而且能够通过机器学习算法快速准确的为无资料流域寻找参证流域、获得模型参数，为无资料地区水文预报提供支撑。 | ||
| 搜索关键词： | 区域化 基于机器 水文模型 流域 分类规则 决策树 构建 机器学习算法 流域水文模型 决策树算法 主成分提取 最优决策树 参数获取 机器学习 模型参数 数据准备 水文预报 特征属性 参数集 数据集 学习 支撑 | ||
【主权项】：
1.一种基于机器学习的无资料地区水文模型参数区域化方法，其特征在于：包括以下步骤：步骤1、数据准备：包括有资料流域的下垫面数据和长系列水文气象数据，无资料流域的下垫面数据；步骤2、获取有资料流域水文模型参数集：采用长系列水文气象数据对水文模型进行率定和验证得到；步骤3、流域特征属性主成分提取：对每类流域特征，建立因子分析模型，运用主成分分析法求解模型，得到各流域特征类型的主成分得分值；步骤4、构建机器学习决策树算法数据集：数据集中的数据包括各有资料流域主成分得分差值、流域之间的距离、流域参数交叉验证的确定性系数，其中确定性系数作为决策树构建的因变量，主成分得分差值和流域之间距离作为自变量；步骤5、构建决策树，生成最优决策树；步骤6、根据决策树分类规则，获得流域最优分类规则；步骤7、无资料流域参数获取：计算无资料流域与各有资料流域主成分差值、无资料流域与各有资料流域之间距离，根据步骤6所得最优分类规则筛选有资料流域作为最优参证流域，得到水文模型参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国水利水电科学研究院，未经中国水利水电科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910106649.4/，转载请声明来源钻瓜专利网。
