买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：水利部交通运输部国家能源局南京水利科学研究院

摘要：本发明公开一种基于SWV‑WBM模型的天然径流量变化定量归因方法和系统，基于预处理的基础数据确定变异点，根据变异点划分基准期和变化期；构建SWV‑WBM模型，读取部分基础数据并调用预配置的算法率定SWV‑WBM模型的模型参数，验证SWV‑WBM模型；调用已验证的SWV‑WBM模型，以变化期的数据作为输入数据进行模拟，获得变化期的模拟天然径流量序列；从基础数据中读取基准期的实际天然径流量和变化时期的实测天然径流量序列，并结合变化期的模拟天然径流量序列，计算气候变化影响量和人类活动影响量，并评估归因结果的敏感性和不确定范围。能够更好地捕捉水文系统的复杂性和动态变化，提高了模型的预测能力。

主权项：1.基于SWV-WBM模型的天然径流量变化定量归因方法，其特征在于，包括如下步骤：步骤S1、获取预定区域的基础数据并预处理，基于预处理的基础数据确定变异点，根据变异点划分基准期和变化期；所述基础数据包括遥感数据和地面观测数据；步骤S2、构建SWV-WBM模型，读取部分基础数据并调用预配置的算法率定SWV-WBM模型的模型参数，计算纳什效率系数和相对误差，以验证SWV-WBM模型，获得验证的SWV-WBM模型；步骤S3、调用已验证的SWV-WBM模型，以变化期的数据作为输入数据进行模拟，获得变化期的模拟天然径流量序列；步骤S4、从基础数据中读取基准期的实际天然径流量和变化时期的实测天然径流量序列，并结合变化期的模拟天然径流量序列，计算气候变化影响量、人类活动影响量、气候变化贡献率和人类活动贡献率，并评估归因结果的敏感性和不确定范围；所述步骤S1具体为：步骤S11、确定预定区域范围，获取遥感数据、预处理并基于遥感数据提取土地覆盖和植被指数；步骤S12、获取预定区域范围内的地面观测数据，并进行包括空间插值和时间序列重建在内的预处理，地面观测数据包括降雨量、蒸散发量和土壤含水率；步骤S13、基于步骤S11和S12得到的预处理的基础数据，调用预配置的方法，确定变异点，并根据变异点划分基准期和变化期；所述步骤S2具体为：步骤S21、构建SWV-WBM模型，包括：构建水量平衡方程St-S0=P-E-R+I；其中，St和S0分别为时段末和初的流域蓄水量，P为时段降水量，E为实际蒸散发量，R为时段径流量，I为入境水量；构建水热耦合平衡方程：St=M•SWVt-SWV0；Ht=St-1+Pt+It；Et=EPtHtHtn+EPtn1； H是时段初流域蓄水可供蒸散的水量；EP表示某时段内大气蒸散发能力；n为反映流域下垫面特征对蒸散发影响的综合性参数；M为土壤含水率-流域蓄水量折算系数，SWVt为t时刻的土壤含水率状态，SWV0为不可转化的土壤含水率固定值；建立流域蓄泄方程：R=K•H-E•tanh（（H–E）SCα；其中，R为时段径流量，K为流域出流方程系数，SC为流域蓄泄系数，α为流域蓄泄方程幂指数；步骤S22、读取部分基础数据并调用预配置的算法率定SWV-WBM模型的模型参数；步骤S23、计算纳什效率系数NSE和相对误差RE，以验证SWV-WBM模型，获得验证的SWV-WBM模型；所述步骤S13中，调用预配置的方法，确定变异点，并根据变异点划分基准期和变化期的过程，具体为：步骤S131、读取与处理的基础数据并标准化，获得标准化时间序列，并采用小波变换进行多尺度分解，获得A个频率的分量；A为大于1的自然数；步骤S132、针对每一分量，计算样本熵、排列熵和模糊熵，并基于样本熵、排列熵和模糊熵构建熵向量；步骤S133、使用滑动窗口法，对每个时间点构建局部相空间，在每个局部相空间中，基于k-近邻算法构建复杂网络，计算每个复杂网络的特征向量；步骤S134、使用时间延迟嵌入方法重构相空间，计算Lyapunov指数谱并估计相关维数和Kolmogorov熵；步骤S135、基于熵向量、复杂网络的特征向量、Lyapunov指数、相关维数和Kolmogorov熵，构建综合特征向量并使用主成分分析降维，得到降维后的综合特征向量；步骤S136、针对降维后的综合特征向量，采用预配置的方法计算互信息距离，构建互信息距离矩阵，并采用谱聚类算法对距离矩阵进行分割，使用轮廓系数确定最优分割数；步骤S137、根据最优分割数确定潜在变异点，对于每个潜在变异点，计算局部Fisher信息矩阵，以及变异点可信度指数；根据预设的阈值，筛选出可信度高的变异点。

全文数据：

权利要求：

百度查询： 水利部交通运输部国家能源局南京水利科学研究院 基于SWV-WBM模型的天然径流量变化定量归因方法和系统