[發明專利]基于神經網絡可選擇模型提高水儲量變化預測可靠性方法

在審

• 申請號: 202110048992.5
• 申請日: 2021-01-14
• 公開（公告）號: CN112989557A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 鄭偉;尹文杰;石卓婭
• 申請（專利權）人: 中國空間技術研究院
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 臧春喜

本發明公開了一種基于神經網絡可選擇模型提高水儲量變化預測可靠性方法，包括：獲取GLDAS數據和TRMM降雨數據；通過偏最小二乘回歸模型PLSR，從GLDAS數據和TRMM降雨數據中篩選得到預測變量；調用預測模型，將篩選得到的預測變量作為預測模型的輸入，通過預測模型得到陸地水儲量變化預測值。本發明提高了陸地水儲量變化預測的可靠性，且計算速度快。

技術領域

本發明屬于衛星重力學、水文學等交叉技術領域，尤其涉及一種基于神經 網絡可選擇模型提高水儲量變化預測可靠性方法。

背景技術

陸地水儲量變化(terrestrial water storage anomaly，TWSA)是地表水、降 水、蒸發、徑流、土壤水、地下水和其他成分相互作用的結果，也是水文循環 的關鍵部分。傳統的監測陸地水儲量變化TWSA的方法包括遙感衛星反演法、 觀測法、物理模擬法等，然而上述方法無法估算陸地水儲量的全部組分，例如， 氣象業務衛星MetOp(MeteorologicalOperational Satellite Program)只能計算土 壤表層(＜2cm)的含水量情況。

2002年3月發射的GRACE衛星(Gravity Recovery and Climate Experiment) 以及于2018年5月發射的GRACE-FO衛星(GRACE-Follow On)可觀測地球 重力場的時間變化，并進一步獲取陸地水儲量變化TWSA。GRACE衛星和 GRACE-FO衛星提供的陸地水儲量變化為開展水文研究，包括水資源管理、氣 候變化預測以及監測洪澇災害提供了新手段。但是，GRACE數據和GRACE-FO 數據之間存在11個月數據缺失，限制了長期和連續的水文研究。預測這些缺失 數據對于保證GRACE數據的連續性和促進GRACE數據在水文研究中的廣泛 應用至關重要。

傳統的預測缺失的陸地水儲量變化數據的方法是：基于陸面模式(Land SurfaceModels，LSMs)或全球水文模型構建簡單的統計關系來對缺失的陸地 水儲量數據進行定量估算，該方法主要用于估算由于地下水、蒸散發、冰川等 自然現象引起的陸地水儲量變化。但是，利用這種方法無法估算深層地下水儲 存和人類活動用水等組分。此外，該方法的質量在較大程度上受模型的結構、 邊界條件(降雨和蒸散發)和數據的可用性、以及模型的校準和參數的影響。 因此，基于這種簡單的統計關系估算的結果與GRACE真實值之間往往存在較 大偏差。

發明內容

本發明的技術解決問題：克服現有技術的不足，提供一種基于神經網絡可 選擇模型提高水儲量變化預測可靠性方法，旨在提高陸地水儲量變化預測的可 靠性，具有可靠性高、計算速度快等優點。

為了解決上述技術問題，本發明公開了一種基于神經網絡可選擇模型提高 水儲量變化預測可靠性方法，包括：

獲取GLDAS數據和TRMM降雨數據；

通過偏最小二乘回歸模型PLSR，從GLDAS數據和TRMM降雨數據中篩 選得到預測變量；

調用預測模型，將篩選得到的預測變量作為預測模型的輸入，通過預測模 型得到陸地水儲量變化預測值。

在上述基于神經網絡可選擇模型提高水儲量變化預測可靠性方法中，偏最 小二乘回歸模型PLSR的表達式如下：

其中，VIP_j值表示第j個自變量的指標投影重要性，p表示自變量的個數， h表示提取的主成分的個數，t_k表示相關自變量提取的主成分，R(Y,t_k)表示第k 個成分t_k與因變量Y的相關系數，w_kj表示第j個自變量對第k個成分t_k上的權 重。

在上述基于神經網絡可選擇模型提高水儲量變化預測可靠性方法中，通過 偏最小二乘回歸模型PLSR，從GLDAS數據和TRMM降雨數據中篩選得到預 測變量，包括：