[發明專利]基于隨機森林算法的降雨—徑流模擬方法

在審

• 申請號: 202010070774.7
• 申請日: 2020-01-21
• 公開（公告）號: CN111291478A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 趙雪花;張麗娟;王暢;裴源博;祝雪萍;蔡文君
• 申請（專利權）人: 太原理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N20/00;G06F111/10
• 代理公司: 太原市科瑞達專利代理有限公司 14101
• 代理人: 申艷玲

1.基于隨機森林算法的降雨—徑流模擬方法，其特征在于，所述降雨—徑流模擬方法包括以下步驟：

步驟1：獲取場次降雨—徑流觀測數據，分析整理出具有區域代表性的M維降雨特征集合D，所述M維降雨特征包含降雨量、降雨歷時、平均降雨強度、30分鐘降雨強度以及表征流域土壤水分情況的前期影響雨量；

步驟2：利用灰色關聯分析對所述降雨特征進行優勢降雨特征提取，構建由N維優勢降雨特征組成的降雨屬性集合D′，D′∈D，N≤M；

步驟3：以決策樹作為基學習器構建隨機森林模型，進行模型訓練與測試，最終實現徑流模擬過程。

2.根據權利要求1所述的基于隨機森林算法的降雨—徑流模擬方法，其特征在于，所述步驟2具體方法包括：

(1)確立徑流量為母因素序列Y，降雨特征為子因素序列X_i：

Y＝Y(k)|k＝1,2,…n

X_i＝X_i(k)|k＝1,2,…n；i＝1,2,…m

(2)將原始數據做均值化無量綱處理y(k)、x_i(k)：

(3)計算關聯系數ξ_i(k)：

(4)計算關聯度r_i，并由關聯度構成關聯度矩陣R：

式中，k表示序列長度，i表示子因素個數，△_i(k)表示第k個母因素及相應子因素差值的絕對值，ρ表示分辨系數，ρ∈(0,1)，可提高關聯系數間的差異顯著性，ρ越小，分辨力越大；

(5)根據關聯度矩陣中各列的關聯度大小判斷優勢降雨特征子因素；對降雨特征進行優勢判斷，剔除非優勢特征，提取關鍵優勢特征構建降雨屬性集合D′，結合區域特征綜合考慮降雨特征對產流的影響。

3.根據權利要求2所述的基于隨機森林算法的降雨—徑流模擬方法，其特征在于，ρ取經驗值0.5。

4.根據權利要求1所述的基于隨機森林算法的降雨—徑流模擬方法，其特征在于，所述步驟3具體方法包括：

(1)劃分訓練數據集T，對T采用隨機且有放回的bootstrap sampling方法進行數據抽樣，抽樣數據構成訓練數據子集T′，且與T具有相同的樣本長度，實現訓練數據集隨機多樣化；

(2)從降雨屬性集合D′中隨機選擇h個屬性作為決策樹的分裂屬性，使用CART(Classification and Regression Tree)算法作為最優屬性劃分依據，從根節點開始逐層向下劃分，在訓練數據子集T′的基礎上自上而下建立基于CART算法的決策樹，每個訓練數據子集T′可對應訓練出一個決策樹基學習器；

(3)重復(1)及(2)步，得到多個訓練數據子集T′及相應的決策樹基學習器，最終得到由多棵決策樹構成的隨機森林模型，完成模型訓練，確定模型適用參數。

(4)將測試數據集C中的降雨屬性集合D′作為隨機森林模型的輸入，經過決策樹基學習器的模擬，輸出多個徑流模擬值，最終模擬結果取各決策樹模擬結果的均值。