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
申请日:2024-01-25
公开(公告)日:2024-04-12
公开(公告)号:CN117633539B
主分类号:G06F18/214
分类号:G06F18/214;G06F18/10;G06F18/213;G06N20/20
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2024.03.19#实质审查的生效;2024.03.01#公开
摘要:本申请提供了一种面向不均匀站点分布的地下水干旱识别方法及装置,涉及干旱管理与应对的技术领域,包括:获取目标研究区域的地下水监测站点历史监测信息和位置信息,并将目标研究区域网格化;基于机器学习算法和反距离插值法,重构目标研究区域各网格点地下水位序列;基于预设的标准化降水指数算法,结合移动平均法,确定目标研究区域各网格点标准化地下水位指数序列;基于游程理论,识别地下水干旱事件,并确定地下水干旱事件特征。该方法解决了当前基于不均匀地下水监测站点数据进行区域地下水位插值存在系统误差,地下水干旱识别准确性差等问题。
主权项:1.一种面向不均匀站点分布的地下水干旱识别方法,其特征在于,所述方法包括:获取目标研究区域在历史时间段的地下水数据;所述地下水数据是基于预设历史时间点的高程系对所述目标研究区域内历史时间段的原始监测地下水数据进行转换后得到的;所述地下水数据包括采集位置、采集时间、地下水高程和地下水位值;在对所述目标研究区域进行网格化后,基于机器学习算法和反距离插值法,对所述历史时间段内各网格点的地下水位数据进行重构,得到所述目标研究区域的区域地下水位序列;基于预设的标准化降水指数构建算法,对所述区域地下水位序列进行标准化,得到标准化地下水位指数序列;基于游程理论,对所述标准化地下水位指数序列进行处理,确定目标研究区域内地下水干旱事件,并确定地下水干旱事件特征;其中,基于机器学习算法和反距离插值法,对所述历史时间段内各网格点的地下水位数据进行重构,得到所述目标研究区域的区域地下水位序列,包括:将所述历史时间段内各网格点的地下水位数据,输入训练好的XGBoost算法模型,得到所述XGBoost算法模型输出的区域地下水位月际序列,所述区域地下水位月际序列包括所述历史时间段内每个月的地下水位数据;采用反距离插值法,对所述目标研究区域中距离最近的n个地下水位监测站点对应的地下水数据进行计算,得到各网格点对应的日地下水数据;基于所述各网格点对应的日地下水数据,计算月移动平均水位值,再用各网格点对应的日地下水位值减去月移动平均水位值,获取所述目标研究区域的区域地下水位月内序列,所述区域地下水位月内序列包括所述历史时间段内去月尺度趋势的地下水位月内波动数据;将所述区域地下水位月际序列与所述区域地下水位月内序列中相应位置的数据相加,得到所述目标研究区域的区域地下水位序列,所述区域地下水位序列包括所述历史时间段内各网格点的逐日地下水位数据。
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 一种面向不均匀站点分布的地下水干旱识别方法及装置
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。