一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法

    公开(公告)号:CN117034049A

    公开(公告)日:2023-11-10

    申请号:CN202310922002.5

    申请日:2023-07-26

    申请人: 河海大学

    摘要: 本发明公开了一种多源数据气候变化复合趋势特征及强度诊断聚类分析方法,包括:选取研究区域,确定研究对象,利用大数据技术获取多源数据;采用Sen斜率估计方法分析各数据源研究对象的变化趋势;采用Mann‑Kendall检验评估各数据源研究对象变化趋势的可信度;根据是否通过可信度检验选定研究对象的复合变化趋势评估指标;区分不同条件下各数据源中研究对象的变化趋势特征,分类汇总研究对象的复合变化趋势特征,计算研究对象的复合变化趋势特征比率,诊断研究对象的复合变化趋势特征及强度。该方法基于聚类分析理论,采用多数据源判定特定条件下水文气象要素的复合变化趋势,可直接应用于水文气象领域气候变化的复合诊断。

    一种多层土壤湿度反演方法

    公开(公告)号:CN116341363A

    公开(公告)日:2023-06-27

    申请号:CN202310073979.4

    申请日:2023-02-07

    申请人: 河海大学

    摘要: 本发明公开了一种多层土壤湿度反演方法,属于水文水资源学科土壤湿度反演领域,包括:将研究数据划分为训练集和测试集并归一化处理;利用主成分分析法,选取与土壤湿度相关性较高的数据;建立BP神经网络模型并将其初始化,得到初始权值和阈值;初始化天牛须搜索算法;计算适应度函数;迭代计算;将获得的最优权值和阈值赋值给BP神经网络,构建适应于不同深度土壤湿度反演的BAS_BP神经网络模型;该BAS_BP神经网络模型基于机器学习理论,可用于不同深度土壤湿度的反演,服务于水文预报、洪旱灾害预报预警系统,提高预报预警的精度。