[发明专利]一种基于机器学习的无资料小流域参数区域化的方法及装置

权利要求书

1.一种基于机器学习的无资料小流域参数区域化的方法，其特征在于：包括：

以无资料的小流域为目标流域，以无资料的小流域所在地区对应数据库中的所有有资料的小流域为所述目标流域的参证流域，将所述目标流域与所述参证流域的基础属性数据做差，得到所述目标流域与对应参证流域的区别属性数据；

根据每个所述区别属性数据得到所述目标流域相对于对应参证流域的特征数据；

将每个所述特征数据依次输入为所述地区构建的小流域参数区域化模型，得到将每个所述参证流域的水文模型参数移植到目标流域的纳什系数预测值；

根据所述纳什系数预测值得到与所述目标流域最相似的所述参证流域，并将最相似的所述参证流域的水文模型参数作为所述目标流域的水文模型参数；

其中，每个地区的所述小流域参数区域化模型的构建，包括以下步骤：

收集整理不同地区大量有资料小流域的基础属性数据和流域水文数据，构建每个地区有资料小流域的数据库；

在每个地区的数据库中，以每个有资料的小流域为目标流域，数据库中其它有资料的小流域为所述目标流域的参证流域，将所述目标流域基础属性数据与每个所述参证流域的基础属性数据做差，得到所述地区每个目标流域的所有区别属性数据；

根据每个地区每个目标流域的所有所述区别属性数据，计算得到所述地区每个目标流域的所有特征数据，并生成每个地区输入训练样本库的特征数据集；其中，所述特征数据集包括对应地区数据库中每个有资料小流域相对于参证流域的所有特征数据；

根据有资料小流域的流域水文数据对每个地区数据库中的每个有资料小流域用水文模型进行模拟，得到每个有资料小流域的水文模型参数；

在每个地区的数据库中，每个目标流域移植所述参证流域的水文模型参数后通过对应的水文模型进行水文模拟，并计算每次移植后模拟结果的纳什系数值，生成每个地区输入训练样本库的标签数据集；所述标签数据集包括每个地区对应数据库中每个有资料小流域移植其参证流域的水文模型参数后每次模拟结果的纳什系数值；

利用Python程序基于随机森林构建每个地区的小流域参数区域化模型；其中，所述小流域参数区域化模型的输入为目标流域相对于参证流域的特征数据，输出为所述目标流域移植参证流域的水文模型参数后的纳什系数值；

使用每个地区输入训练样本库以交叉验证方式训练对应地区的所述小流域参数区域化模型，得到所述地区具有相似流域判别标准能力的小流域参数区域化模型。

2.根据权利要求1所述的方法，其特征在于，每个地区的所述小流域参数区域化模型的构建，还包括：使用缺一验证法对训练得到的所述小流域参数区域化模型进行评估验证。

3.根据权利要求1所述的方法，其特征在于，所述根据每个所述区别属性数据得到所述目标流域相对于对应参证流域的特征数据，包括：

所述目标流域与对应参证流域的子区别属性数据之间的相关性系数；其中，所述目标流域与对应参证流域的区别属性数据包括多个子区别属性数据；

根据所述相关性系数，对所述相关性系数大于0.9的子区别属性数据进行合并，得到所述目标流域相对于对应参证流域的特征数据。

4.根据权利要求1所述的方法，其特征在于，所述在每个地区的数据库中，每个目标流域移植所述参证流域的水文模型参数后通过对应的水文模型进行水文模拟，并计算每次移植后模拟结果的纳什系数值，包括：

对所述目标流域移植参证流域的所述水文模型参数，并使用时空变源混合产流模型进行水文模拟；

针对每次移植后水文模拟的模拟结果，计算所述水文模型参数移植效果的纳什系数。

5.一种基于机器学习的无资料小流域参数区域化的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4中任意一项所述一种基于机器学习的无资料小流域参数区域化的方法。