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：本发明公开了一种耦合降维理论的水文丰枯遭遇概率计算方法，包括获取各指标数据并预处理；获得最优分布模型；获得累积分布函数和累积经验频率的关系函数；通过高效降维器得到综合气候指标和综合人类活动指标；采用最优分布模型分析各边缘分布在考虑变化环境影响后的累积分布函数，将考虑变化环境影响后的累积分布函数代入对应的关系函数中，获得最终的水文气候变量边缘分布的累积分布函数；采用Copula函数方法计算得到丰枯遭遇概率。本发明充分解决了变化环境下水文频率精度不佳、解释变量中对气候和人类活动因子考虑不足、传统GAMLSS模型分析解释变量维数灾的问题，提升了对变化环境背景下的水文丰枯遭遇分析精度与效率。

主权项：1.一种耦合降维理论的水文丰枯遭遇概率计算方法，其特征在于，包括如下步骤：步骤S1：获取研究区气候指标数据、水文指标数据和人类活动指标数据，并进行数据预处理；其中，人类活动指标数据包括人口密度、人均GDP、人均用水量、建设用地面积、森林用地面积、有效灌溉面积、水库蓄水量、生活供水总量和生产供水总量；步骤S2：基于水文指标数据，采用分布模型选择器选择研究区边缘分布的最优分布模型，分布模型选择器中包括多种频率分布模型；其中采用15种水文频率分布模型对径流序列进行单变量的频率分布拟合，频率分布模型包括：10种两参数模型和5种三参数模型；两参数模型包括GA，GU，IG，LO，LOGNO，NO，RG，WEI，WEI2和WEI3；三参数模型包括GG，BCCG，GIG，PE和P-Ⅲ；基于15种频率分布拟合的结果，采用Globaldeviance、AIC、SBC、残差均值指数Mean、残差方差指数Variance、残差Filliben系数、残差偏态系数Skewness和残差峰态系数Kurtosis共计8个评价指标对各频率分布模型进行精度评价；若各评价指标的结论一致，则优选出最佳频率分布模型；若各评价指标结论不一致，则采用基于熵权的TOPSIS综合评价方法进行模型结果的最终优选；步骤S3：将最优分布模型计算得到的累积分布函数和累积经验频率加载进特征学习器中，通过特征学习器获得累积分布函数和累积经验频率的关系函数；其中特征学习器包含了五种特征函数，用于学习累积分布函数和累积经验频率之间的关系，根据学习效果选择最终的特征函数形式，设累积分布函数和累积经验频率分别为x和y，则五种函数形式分别为：指数函数：y＝aebx线性函数：y＝ax+b对数函数：y＝alnx+b多项式函数，以二次函数为例:y＝ax2+bx+c幂函数：y＝axb其中，参数a、b、c通过人工智能优化算法进行确定，人工智能优化算法包括但不限于遗传算法、粒子群算法或神经网络；步骤S4：将经步骤S1处理的气候指标和人类活动指标加载进高效降维器中进行降维处理，得到降维后的综合气候指标KC和综合人类活动指标KH；具体包括：步骤S4.1：采用Apriori数据挖掘算法对步骤S1预处理过的气候指标数据和人类活动指标数据进行筛选，得到有效气候影响因素集和有效人类活动影响因素集；步骤S4.2：采用随机森林模型，对有效气候影响因素集和有效人类活动影响因素集中各影响要素的重要性进行分析，并按照重要性进行排序；步骤S4.3：采用耦合信息熵的主成分分析方法，构建综合气候指标和综合人类活动指标；步骤S5：将步骤S4的综合气候指标KC和综合人类活动指标KH作为最终解释变量，采用步骤S2的最优分布模型分析各边缘分布在考虑变化环境影响后的累积分布函数，然后将考虑变化环境影响后的累积分布函数代入步骤S3对应的关系函数中，获得最终的水文气候变量边缘分布的累积分布函数；然后采用Copula函数方法计算得到丰枯遭遇概率；设两个水文时间序列分别为X和Y，其边缘分布函数分别为u、v，则Ypf为水文时间序列Y中Pf频率对应的水量，Ypk为水文时间序列Y中Pk频率对应的水量，Xpf为水文时间序列X中Pf频率对应的水量，Xpk为水文时间序列X中Pk频率对应的水量；以水文时间序列X为例，Xt≥Xpf为丰水、Xt≤Xpk为枯水、Xpk＜Xt＜Xpf为平水，其中Xt为第t年的水文量，则：X和Y同丰的概率为:P＝X＞Xpf,Y＞Ypf＝1-upf-vpf+Cupf,vpfX和Y同平的概率为:P＝Xpk＜X＜Xpf,Ypk＜Y＜Ypf＝Cupf,vpf-Cupk,vpf-Cupf,vpk+Cupk,vpkX和Y同枯的概率为:P＝X＜Xpk,Y＜Ypk＝Cupk,vpkX丰Y平的概率为:P＝X＞Xpf,Ypk＜Y＜Ypf＝vpf-vpk+Cupf,vpk-Cupf,vpfX平Y丰的概率为:P＝Xpk＜X＜Xpf,Y＞Ypf＝upf-upk+Cupk,vpf-Cupf,vpfX丰Y枯的概率为:P＝X＞Xpf,Y＜Ypk＝vpk-Cupf,vpkX枯Y丰的概率为:P＝X＜Xpk,Y＞Ypf＝upk-Cupk,vpfX平Y枯的概率为:P＝Xpk＜X＜Xpf,Y＜Ypk＝Cupf,vpk-Cupk,vpkX枯Y平的概率为:P＝X＜Xpk,Ypk＜Y＜Ypf＝Cupk,vpf-Cupk,vpk式中，upf、vpf、upk、vpk分别为Xpf、Ypf、Xpk、Ypk所对应的边缘分布函数值，C为Copula连接函数。

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 一种耦合降维理论的水文丰枯遭遇概率计算方法