基于堆叠机器学习的非充分数据条件下流域径流还原方法研究:以沮漳河为例OA北大核心CSTPCD
【目的】为实现数据非充分条件下的径流还原,【方法】提出一种在用水量数据不完全时基于水量平衡原理构建堆叠机器学习模型计算河川断面的天然径流的方法,并以沮漳河为例计算了河溶水文站断面的天然径流。首先选取与农业、工业、生活用水消耗量具有相关性的指标构建了特征变量指标体系,与研究时段内有缺失的用水量数据一同输入堆叠机器学习模型中,获得连续的用水量数据。再基于水量平衡原理,在水文站实测径流的基础上加减由人类活动引起的径流变化量,计算得到断面的天然径流。【结…查看全部>>
王楠;李明蔚;陈首志;宋儒霖;张璇;郝芳华;付永硕
北京师范大学水科学研究院,北京100875北京师范大学水科学研究院,北京100875北京师范大学水科学研究院,北京100875水电水利规划设计总院有限公司,北京100120北京师范大学水科学研究院,北京100875华中师范大学城市与环境科学学院,湖北武汉430079北京师范大学水科学研究院,北京100875
地球科学
径流径流还原水量平衡原理堆叠机器学习用水量人类活动沮漳河流域
《水利水电技术（中英文）》 2024 (10)
P.85-97,13
国家自然科学基金区域创新发展联合基金(U21A2039)国家自然科学基金重点项目(42330515)。
评论