申请/专利权人：厦门大学

申请日：2024-04-01

公开（公告）日：2024-06-25

公开（公告）号：CN117973237B

主分类号：G06F30/27

分类号：G06F30/27;G06F111/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明公开了一种基于领域适应和机器学习的无资料流域径流模拟方法，包括以下步骤：S1、分别收集有资料流域和无资料流域的气象数据和地理数据，及收集有资料流域的径流数据，并进行数据预处理；S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取；S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重，降低有资料流域和无资料流域之间输入数据集的均值分布差异；S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型，并将无资料流域的输入数据集输入到模型中进行径流模拟；该发明灵活易用，对数据量的依赖性较低，能够有效提升无资料流域的径流模拟精度。

主权项：1.一种基于领域适应和机器学习的无资料流域径流模拟方法，其特征在于，包括以下步骤：S1、分别收集有资料流域和无资料流域的气象数据和地理数据，及收集有资料流域的径流数据，并进行数据预处理；S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取；步骤S2的具体过程为：S21、以有资料流域的气象数据和地理数据为输入数据，径流数据为输出数据，构建随机森林模型；S22、将各个输入参数根据随机森林模型得到的特征重要程度高低排序，并移除特征重要程度最低的输入参数；S23、设定目标输入参数数量，重复步骤S21~步骤S22来逐步移除输入参数，直到输入参数数量与目标输入参数数量一致；S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重，降低有资料流域和无资料流域之间输入数据集的均值分布差异；步骤S3的具体过程为：S31、以径向基函数为核函数，计算核矩阵和核矩阵，计算公式为：，，，式中，为径向基函数；为输入数据集中第b个样本；为输入数据集中第j个样本；为径向基函数的带宽参数；为有资料流域的输入数据集；为无资料流域的输入数据集；核矩阵为对有资料流域输入数据集中所有样本用径向基函数进行两两计算得到的结果矩阵；核矩阵为对有资料流域输入数据集和无资料流域输入数据集中所有样本用径向基函数进行两两计算得到的结果矩阵；S32、计算最优权重分配向量，计算公式为：，，式中，为权重分配向量；为第c个样本对应的权重分配向量；T为矩阵转置符号；为有资料流域的样本数量；为无资料流域的样本数量；为长度为的全1向量；B为权重边界系数；为约束系数；S33、计算经过样本权重分配后的有资料流域输入数据集，计算公式为：式中，为中的第i个元素；为中的第i个元素；为中的第i个元素；S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型，并将无资料流域的输入数据集输入到模型中进行径流模拟。

全文数据：

权利要求：

百度查询： 厦门大学 一种基于领域适应和机器学习的无资料流域径流模拟方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD