[发明专利]耦合大尺度环流气候信息的咸潮上溯预报系统和方法

权利要求书

1.一种耦合大尺度环流气候信息的咸潮上溯预报系统，其特征在于，包括数据输入模块、模型预报模块和数据输出模块；

所述数据输入模块，用于获取影响咸潮上溯的水文气象数据，并对获取的水文气象数据通过随机森林重要度分析，得到影响咸潮上溯的关键影响因子；

所述模型预报模块，用于依据所述关键影响因子采用随机森林算法建立咸潮上溯预报模型，并对所述咸潮上溯预报模型进行验证，得到咸潮上溯预报最优模型；

所述数据输出模块，用于输出所述咸潮上溯预报最优模型预测受咸潮上溯影响地区的含氯度；

所述数据输入模块包括数据获取子模块、数据分析子模块和筛选子模块；

所述数据采集子模块，用于获取某地河口地区历史的水文因子、大尺度环流气候因子和含氯度，得到咸潮上溯的水文气象数据；

所述数据分析子模块，用于通过袋外样本集的估计误差和基尼不纯度分别对所述影响咸潮上溯的水文气象数据进行随机森林重要分析，得到不同时间尺度下各因子与含氯度之间的第一重要度数集和第二重要度数集；

所述筛选子模块，用于分别对所述第一重要度数集和所述第二重要度数中的各个因子按重要度从大到小排序后进行筛选，得到对应的第一因子集和第二因子集；并从所述第一因子集和所述第二因子集中选择相同的因子作为影响咸潮上溯的关键影响因子；

所述模型预报模块包括数集分类子模块、建立模型子模块和验证模型子模块；

所述数集分类子模块，用于将得到所有所述关键影响因子构建数集，并将数集分为训练集和验证集；

所述建立模型子模块，用于采用随机森林算法对所述训练集进行模型训练，建立咸潮上溯预报模型；

所述验证模型子模块，用于将所述验证集输入所述咸潮上溯预报模型，输出与所述验证集对应的纳什效率系数和决定系数，若所述纳什效率系数和所述决定系数均大于系数阈值，得到咸潮上溯预报最优模型。

2.根据权利要求1所述的耦合大尺度环流气候信息的咸潮上溯预报系统，其特征在于，所述水文因子包括流量和潮位，所述大尺度环流气候因子包括太平洋年代际振荡和南方涛动指数。

3.根据权利要求1所述的耦合大尺度环流气候信息的咸潮上溯预报系统，其特征在于，所述筛选子模块用于分别对所述第一重要度数集和所述第二重要度数中的各个因子按重要度从大到小排序后，筛选出重要度排在前三分之二的因子对应构建成第一因子集和第二因子集。

4.根据权利要求1所述的耦合大尺度环流气候信息的咸潮上溯预报系统，其特征在于，所述数集分类子模块用于将80%的数集作为训练集，20%的数集作为验证集。

5.根据权利要求1所述的耦合大尺度环流气候信息的咸潮上溯预报系统，其特征在于，所述系数阈值为0.5。

6.一种耦合大尺度环流气候信息的咸潮上溯预报方法，其特征在于，包括以下步骤：

获取影响咸潮上溯的水文气象数据，并对获取的水文气象数据通过随机森林重要度分析，得到影响咸潮上溯的关键影响因子；

依据所述关键影响因子采用随机森林算法建立咸潮上溯预报模型，并对所述咸潮上溯预报模型进行验证，得到咸潮上溯预报最优模型；

输出所述咸潮上溯预报最优模型预测受咸潮上溯影响地区的含氯度；

对获取的水文气象数据通过随机森林重要度分析，得到影响咸潮上溯的关键影响因子的步骤包括：

获取某地河口地区历史的水文因子、大尺度环流气候因子和含氯度，得到咸潮上溯的水文气象数据：

通过袋外样本集的估计误差和基尼不纯度分别对所述影响咸潮上溯的水文气象数据进行随机森林重要分析，得到不同时间尺度下各因子与含氯度之间的第一重要度数集和第二重要度数集；

对所述第一重要度数集和所述第二重要度数中的各个因子按重要度从大到小排序后进行筛选，得到对应的第一因子集和第二因子集；并从所述第一因子集和所述第二因子集中选择相同的因子作为影响咸潮上溯的关键影响因子；

得到咸潮上溯预报最优模型的步骤包括：

将得到所有所述关键影响因子构建数集，并将数集分为训练集和验证集；

采用随机森林算法对所述训练集进行模型训练，建立咸潮上溯预报模型；

将所述验证集输入所述咸潮上溯预报模型，输出与所述验证集对应的纳什效率系数和决定系数，若所述纳什效率系数和所述决定系数均大于系数阈值，得到咸潮上溯预报最优模型。