[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

说明书

本申请涉及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，方法包括：以无资料的小流域为目标流域对应数据库中的所有有资料的小流域为目标流域的参证流域，将目标流域与参证流域的基础属性数据做差得到区别属性数据；根据每个区别属性数据得到目标流域相对于对应参证流域的特征数据；将每个特征数据输入为地区构建的小流域参数区域化模型，得到将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；根据纳什系数预测值得到与目标流域最相似的参证流域，并将最相似的参证流域的水文模型参数作为目标流域的水文模型参数。本申请确定得到的无资料的小流域流域水文数据相似度更高，参数区域化方案化效果更好。

技术领域

本申请涉及无资料地区水文模拟与洪水预报技术领域，尤其是涉及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。

背景技术

目前，无资料小流域的参数区域化主要有回归法、插值法和参数移植法。参数移植法认为相似流域之间的参数可以相互移植，相似流域的判别方法主要有距离相似和属性相似，但是两种方法在最优参证流域的选择上不确定性较高。

人工智能机器学习技术是研究流域相似性及探索模型参数可移植规律的有效工具，但是，在针对缺资料山丘区小流域暴雨洪水过程模拟区域化参数移植的应用中，对具体应用范围、使用条件、评价指标仍缺乏相应的理论体系，造成相似流域的判断准确度不高，从而使无资料小流域参数区域化效果较差。

发明内容

为了提高无资料小流域参数区域化效果，本申请提供了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。

第一方面，本申请提供的一种基于机器学习的无资料小流域参数区域化的方法采用如下的技术方案：

一种基于机器学习的无资料小流域参数区域化的方法，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。

可选的，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；