[发明专利]一种流域水沙研究模型的智能集合评估方法和系统

说明书

一种流域水沙研究模型的智能集合评估方法和系统，包括以下步骤：(1)确立研究对象，包括流域、因变量、自变量和时间尺度；(2)筛选最优模型：将确立的流域水沙数据集随机置乱后切分为训练集和测试集，选取不同机器学习方法并在不同的时间尺度和不同的自变量组合下分流出多组以涵盖所有可能的情况，每种情况通过获取参数和筛选得到一组最优模型，每种方法再筛选出一组结果最好的作为最终的最优模型；(3)基于三种不同指标体系评估最终的最优模型，指标体系包括无量纲指标和有量纲指标用于评估模型的优良性和基于最小信息准则的评价指标用于平衡模型拟合结果的优良性和复杂度。用统一的标准对集合的各类型模型的适用性给出定量的评估结果。

技术领域

本发明属于一种集合评估技术体系，具体涉及一种流域水沙研究模型的智能集合评估方法和系统。

背景技术

21世纪以来，黄河的水沙情势发生史无前例的剧烈变化。黄河水沙情势的深入分析意义重大，它关乎黄河下游宽河段治理的方向，关乎黄河水资源的配置和利用策略，关乎水沙调控工程的布局和整体治黄方略的确立。常用的经验模型和基于过程的物理模型等，尽管均能表明黄河水沙变化是人类活动和气候变化综合作用的结果，但不同学者的研究结果差距较大，以黄河中游无定河流域的径流变化研究为例，1972–1996期间，Li et al.(2007)通过弹性系数法分析认为人类活动对流域径流变化的贡献率为87％，Xu(2011)通过多元线性回归法认为人类活动对流域径流变化的贡献率为49.2％。

另外，现有方法均存在一定的局限性，经验模型法存在的缺点是：为了计算简便，经验模型通常只选取与输出(径流或输沙)相关性最大的降水量P或降水量的其他形式作为输入，而忽略了其他因子，导致输入数据的解释性不够；把研究期划分为基准期和人类活动影响期，即假设了在基准期内流域未受人类活动影响，而在人类活动影响期，流域每年均受同等程度的人类活动影响作用，但实际上在不同年份流域的径流或输沙受人类活动影响程度也不一样；得到基准期内的水沙关系模型后，利用归纳和演绎的原理，求出人类活动影响期内径流量或输沙量的计算值，并将计算值和实际值的差值解释为人类活动造成的误差，但实际上还包含了模型结构引起的误差，导致通过经验模型计算出来的人类活动贡献率并不准确。基于过程的物理模型和经验模型相比，虽然在时间和空间分辨率上得到了提高，但由于数据资料的缺陷，未能很好地量化人类活动的影响。

此外，经验模型和基于过程的物理模型具有的一个共同特点是：模型通常选择特定的时期作为率定期。选择固定的率定期，所得到的模型参数在是在率定期最优的参数，但不能保证也是模拟期最优的参数，可能会造成过拟合。因而在使用率定期得到的参数来模拟未来的情况时，可能造成较大的误差。

发明内容

针对不同方法对黄河流域水沙的研究结果差异大且存在一定局限性，无法得知该研究结果的准确性，本发明提出一种流域水沙研究模型的智能集合评估方法和系统，整合流域例如黄河流域现有水沙研究成果，改进了模型的生成方法，集合不同类型的研究方法/模型，用统一的标准对各方法/模型的适用性给出定量的评估结果。

本发明的技术方案：

一种流域水沙研究模型的智能集合评估方法，其特征在于包括以下步骤：

第一步骤，确立研究对象，所述研究对象包括流域、因变量、自变量和时间尺度；

第二步骤，筛选最优模型：首先将确立的流域水沙数据集随机置乱后切分为训练集和测试集，然后选取不同机器学习方法，将每种所述机器学习方法在不同的时间尺度和不同的自变量组合下分流出多组以涵盖所有可能的情况，每种情况通过获取参数和筛选得到一组最优模型，每种机器学习方法从多组最优模型中再筛选出一组结果最好的作为最终的最优模型；

第三步骤，基于三种不同指标体系评估所述最终的最优模型，所述指标体系包括至少一个无量纲指标用于评估模型的优良性、至少一个与实际值相同量纲指标用于评估模型的优良性和至少一个基于最小信息准则的评价指标用于平衡模型拟合结果的优良性和复杂度。