(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211145192.6 (22)申请日 2022.09.20 (71)申请人 中国水利水电科 学研究院 地址 100038 北京市海淀区玉渊潭南路1号 (72)发明人 王燕云　龙爱华　张沛　吕娟　 周俊华　陈吟　王亚许　吴承君　 江威　 (74)专利代理 机构 郑州亦鼎知识产权代理事务 所(普通合伙) 41188 专利代理师 张夏谦 (51)Int.Cl. G06Q 10/04(2012.01) G06F 16/2458(2019.01) G06F 16/906(2019.01) G06F 17/18(2006.01)G06N 20/00(2019.01) G06Q 50/06(2012.01) (54)发明名称 一种大空间尺度水资源量预估方法 (57)摘要 本发明公开了一种大空间尺度水资源量预 估方法， 通过选取模型指标， 确定输入模型指标 的流域历史数据及其对应的水资源量的历史数 据， 采用核函数创建SVR回归模型并确定模型参 数， 输入相关参数， 返回的第一个参数为根据多 维空间映射出的预测值， 第二个参数为测试集的 均方误差MSE和 决定系数R2， 之后不断对模型进 行修正， 直到模型误差较小， 符合要求， 最终输入 模型指标的变化环境未来模拟预测结果， 采用训 练好的SVR模型拟合， 输出未来预估水资源量。 本 发明通过建立气候输出模式与SVR结合的水资源 量预估模型， 并将不同浓度路径下的气候模拟结 果作为模型的输入条件， 能够对 大空间尺度的研 究区未来的水资源量进行预测， 结构简单、 求解 效率高、 对实测资料验证的需求低。 权利要求书1页 说明书8页 附图8页 CN 115438870 A 2022.12.06 CN 115438870 A 1.一种大空间尺度水资源量预估方法， 其特 征在于， 包括以下步骤： 第1步： 选取模型指标； 第2步： 模型的构建， 主 要包括以下步骤： 第2.1步： 输入模型指标的流域历史数据及对应的水资源量的历史数据， 根据模型指标 产生训练集和 测试集； 第2.2步： 采用核函数创建SVR回归 模型并确定模型参数； 第2.3步： 输入相关参数， 返回的第一个参数为根据多维空间映射出的预测值， 第二个 参数为测试集中水资源量的预测值与真实值的均方误差 MSE和决定系数R2； 第2.4步： 利用模型返回的均方误差MSE和决定系数R2， 对所建立的SVR回归模型的性能 进行评价； 第2.5步： 对模型参数进行修正或重新选择核函数类型， 重复上述第2.2步至第2.4步， 直至模型返回的均方误差 MSE和决定系数R2满足要求； 第3步： 输入模型指标的变化环境未来模拟预测结果， 采用训练好的SVR模型拟合， 输出 未来预估水资源量。 2.如权利要求1所述的一种大空间尺度水资源量预估方法， 其特征在于， 在第1步中选 取的模型指标主要包括降水量pre、 最高气温Tmax、 最低气温Tmin、 风速Win、 太阳辐射Rs、 饱和 水汽压ea和潜在蒸散发Et0七个。 3.如权利要求2所述的一种大空间尺度水资源量预估方法， 其特征在于， 创建SVR回归 模型时采用径向基核函数， 并采用交叉验证方法确定最佳参数， 利用最佳参数训练SVR回归 模型。 4.如权利要求3所述的一种大空间尺度 水资源量预估方法， 其特征在于， 模型返回的均 方误差 决定系数 5.如权利要求4所述的一种大空间尺度 水资源量预估方法， 其特征在于， 模型指标的变 化环境未来模拟预测结果由以下方式得出： 选取RCP2.6、 RCP4.5、 RCP6.0和RCP8.5不同典型 浓度路径下， 综合对比5个GCM s模型对同一模式的不同模拟试验结果， 并进 行等权重算术平 均， 然后再应用同样的方法对多模式结果进行集成， GCMs输出被缩小为分辨率为0.5 °的网 格， 并使用趋势保持偏差校正方法进行 校正。 6.如权利要求1所述的一种大空间尺度水资源量预估方法， 其特征在于， 在第1步中选 取的模型指标主要包括降水量pre、 最高气温Tmax、 最低气温Tmin、 风速Win、 日照时数、 相对湿 度和蒸发量七个。权　利　要　求　书 1/1 页 2 CN 115438870 A 2一种大空间尺度水资源量预估方 法 技术领域 [0001]本发明涉及一种大空间尺度水资源量预估方法。 背景技术 [0002]目前水资源预估模型主要分为两大类： 一类是基于数据驱动的统计学法， 一类是 基于水文 学及水力学物理机制的水文模 型法。 统计学法主要包括数理统计法、 相似年法、 扩 展径流法等， 而水文模型法主要包括分布式模型法、 集总式水文模型法等。 其中， 基于数据 驱动的统计法精度高， 对资料要求也高， 在预测的时候大多基于历史水资源量数据， 难以考 虑未来气候变化对水资源量的影响。 水文模型法一般进行地表和 地下径流的预测， 需要河 流实测径流数据进行验证， 适用于单个或多个流域， 但对于大区域的水资源预测适用性有 限。 西北内陆干旱区较多河流未设置水文监测站 点， 部分已有监测站 点实测径流资料较短， 无法为建立水文模型提供足够的实测数据支撑 。 [0003]目前常规的水文模型法无法计算大空间尺度的水资源量， 大空间尺度的水资源预 测基本靠历史数据， 即当前基于实测径流数据的水文模型进 行大空间尺度水资源趋势预估 均存在现实困难， 考虑制 定水安全战略性措施的迫切 性， 本发明提出了一种全新的气候模 式输出与SVR结合的水资源量预估方法。 发明内容 [0004]为了克服背景技术中存在的缺陷， 解决 “怎样进行大空间尺度水资源趋势预估 ”的 技术问题， 本发明提供了一种大空间尺度水资源量预估方法， 具体技 术方案如下： [0005]一种大空间尺度水资源量预估方法， 包括以下步骤： [0006]第1步： 选取模型指标； [0007]第2步： 模型的构建， 主 要包括以下步骤： [0008]第2.1步： 输入模型指标的流域历史数据及对应的水资源量的历史数据， 根据 模型 指标产生训练集和 测试集； [0009]第2.2步： 采用核函数创建SVR回归 模型并确定模型参数； [0010]第2.3步： 输入相关参数， 返回的第一个参数为根据多维空间映射出的预测值， 第 二个参数为测试集中水资源量的预测值与真实值的均方误差 MSE和决定系数R2； [0011]第2.4步： 利用模型返回的均方误差MSE和决定系数R2， 对所建立的SV R回归模型的 性能进行评价； [0012]第2.5步： 对模型参数进行修正或重新选择核函数类型， 重复上述第 2.2步至第 2.4 步， 直至模型返回的均方误差 MSE和决定系数R2满足要求； [0013]第3步： 输入模型指标的变化环境未来模拟预测结果， 采用 训练好的SVR模型拟合， 输出未来预估水资源量。 [0014]优选的， 在第1步中选取的模型指标主要包括降水量pre、 最高气温Tmax、 最低气温 Tmin、 风速Win、 太阳辐射Rs、 饱和水汽压ea和潜在蒸散发Et0七个。说　明　书 1/8 页 3 CN 115438870 A 3