(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 202211036932.2 (22)申请日 2022.08.25 (71)申请人 北京师范大学 地址 100044 北京市海淀区新 街口外大街 19号 (72)发明人 李永平　王浩　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 专利代理师 张文宝 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G06F 17/18(2006.01) G06F 113/08(2020.01) G06F 119/12(2020.01) (54)发明名称 考虑时滞影响的高寒地区流域径流集合模 拟技术 (57)摘要 本发明公开一种考虑时滞影响的高寒地区 流域径流集合模拟技术， 构建了耦合互相关分 析、 随机森林和基因分析技术的CRFF模型， 可以 识别混合径 流生成机制如降雨、 冰川 和融雪水中 的时滞效应， 并解决由时滞效应引起的统计水文 模型模拟能力减弱的问题， 并且能够量化气象和 物理因子对径流变化的主效应与它们之间的交 互影响， 应用于高寒山区流域， 研究结果有助于 阐明在该类型流域中时滞效应对水文循环的影 响， 提供准确的径流模拟， 并识别高寒山区流域 的径流与其影响因子之间的关系。 权利要求书2页 说明书7页 附图5页 CN 115510615 A 2022.12.23 CN 115510615 A 1.一种考虑时滞影响的高寒地区流域径流集合模拟技术， 其特征在于， 构建了耦合互 相关分析、 随机森林和分析技 术的CRFF模型。 2.根据权利要求1所述的考虑时滞影响的高寒地区流域径流集合模拟技术， 其特征在 于， 使用互相关分析 的信号处理方法， 在考虑一系列时间滞后的情况下识别两个不同时间 序列的相关性， 具有时间滞后的两个时间序列X1和X2之间的相关系数被定义 为： 其中 和 是每个系列的样本均值， k代表时间滞后值， 可以为正也可以为负， 互 相关系数rk表示两个时间序列之间的相关强度， 如果rk的值接近 ‑1.0或1.0， 则两个时间序 列之间分别存在很强的负相关或正相关。 3.根据权利要求1所述的考虑时滞影响的高寒地区流域径流集合模拟技术， 其特征在 于， 所述随机森林的算法步骤为： 步骤1： 假设要构建的森林规模大小为k， 在训练样本集中通过袋装法生成k个自助样本 集； 步骤2： 一个自助样本集用于构建一棵分类树， 则k个自助样本集产生k个分类树， 设样 本的特征数为M， 单棵树的生长过程如下： 在树的每个内部节点处从M个特征中随机挑选 m个 特征作为候选特征， 其中m的值远小于M的值， 按照节点不纯度最小的原则从这个候选特征 中选择一个最优特征对节点进 行分裂生长， 让每一棵分类树充分生长直到每个叶子节点的 不纯度达 到最小， 不对树进行剪枝； 步骤3： 依据构建好的多个决策树分类器来预测新的未知样本， 未知样本的分类结果根 据每个元分类 器投票结果的简单多数投票法来决定 。 4.根据权利要求1所述的考虑时滞影响的高寒地区流域径流集合模拟技术， 其特征在 于， 析因分析由五个步骤组成： 步骤1： 选择目标输入因子； 步骤2： 计算系统基于 Yates次序的响应； 步骤3： 引导关联性强的因子进行 析因分析； 步骤4： 计算输入因子的标准 化效应、 总平方和及它 们的交互作用； 步骤5： 基于计算结果， 对输入因子不同的显著水平进行分辨而且能分辨存在输出系统 中因子间的相互作用， 以包 含两个因子的析因分析线性统计效应模型能够被表示 为： yijk是当因子A处在第i水平下， 因子B在第j水平下， 观测的响应值在经过第k次重复下 的观测响应 值； μ是全部总体效应， τi是因子A在第i 水平下的效应； βj因子B在第j水平下的效 应； ( τ β )ij是τi和βj的交互效应； εijk是随机误差的部分； SSA， SSB和SSAB是因子A、 B之间的交互 的总方差； S ST和SSE代表着总方差和误差效应；权　利　要　求　书 1/2 页 2 CN 115510615 A 2SSE＝SST‑SSAB‑SSA‑SSB yi， yj和yij分别代表因子A在i水平下的总观测值， 因子B在j水平下得总观测值， 因子A和 B之间的ijth交互作用； y代表最后总观测值； 因子A和B的敏感指数SA、 SB和SAB通过按输入参 数总方差比例和同的和方差S ST来计算的。权　利　要　求　书 2/2 页 3 CN 115510615 A 3