基于数据驱动的干旱等级预测研究.pdfVIP

水文水资源水利规划与设计２０２４年第２期

ＤＯＩ:１０３９６９/ｊｉｓｓｎ１６７２￣２４６９２０２４０２０１２

基于数据驱动的干旱等级预测研究

１２１１１

郭财秀ꎬ杨开斌ꎬ李显鸿ꎬ崔松云ꎬ胡俊波

(１云南省水文水资源局昆明分局ꎬ云南昆明６５０１０６ꎻ

２中国电建集团昆明勘测设计研究院有限公司ꎬ云南昆明６５００５１)

摘要:基于昆明站气象资料计算ＳＰＥＩ指数ꎬ划分昆明市干旱等级ꎮ结合气候因子资料ꎬ采用随机森林算法从数

据驱动角度研究构建ＲＦ直接分类模型、ＲＦ回归归类模型ꎬ采用加权马尔可夫模型对昆明市２０１２—２０２２年干旱

等级进行逐年滚动预测ꎮ１１年预测中ꎬ加权马尔可夫模型表现最差ꎬＲＦ直接分类模型次之ꎬＲＦ回归归类模型

表现最好ꎮ采用ＲＦ回归归类模型预测昆明市２０２３年ＳＰＥＩ指数为００２５１ꎬ干旱等级为３ꎬ为轻度湿润水平ꎮ研

究可为类似地区的干旱预测方法提供参考ꎮ

关键词:干旱预测ꎻＳＰＥＩꎻ随机森林ꎻ昆明市

中图分类号:Ｐ４２６６１６文献标识码:Ｂ文章编号:１６７２￣２４６９(２０２４)０２￣００６３￣０５

作为预报因子ꎬ采用耦合遗传算法和极限学习机预

０引言

测云贵高原ＳＰＥＩ指数ꎬ论证预测精度高于自适应

[１１]

干旱对农业生产、城市供水、生态环保产生巨神经模糊推理系统ꎮＭＪａｍｅｉ等将水文气象、卫

大危害ꎬ影响范围广、涉及时间长ꎮ随着全球气候星反演得到的１１项数据作为输入ꎬ采用浮雕算法

变化ꎬ干旱灾害的频次日趋增加、程度日趋加深ꎬ挑选因子－人工神经网络建模－鲸鱼算法优化的研

对干旱进行有效预测是干旱减灾管理的重要究方式预测了恒河流域综合陆地蒸散指数ꎬ对比分

[１￣２]

手段ꎮ析表明预测精度较Ｅｌｂｅｌｔａｇｉ等研究有显著提高ꎮ殷

基于干旱指数在时间序列上的自相关性ꎬ部分[１２]

浩等基于随机森林、ＡＮＮ等机器学习方法结合

[３]

学者开展了干旱指数预测研究ꎮ彭世彰等采用加ＥＣＭＷＦＳＥＡＳ５输出大气变量构建了动力统计模型

权马尔可夫链模型对南京市干旱指数等级预测研对华北、华东、华南地区进行季度干旱预测ꎬ预见

[４]

究ꎬ预测精度较为满意ꎮ白致威等采用ＡＲＩＭＡ期和精度上均有改善ꎮ

模型对云南省５个区域的ＳＰＥＩ指数进行了预测ꎬ从目前的研究与实践进展来看ꎬ基于气候因子

[５]

总体合格率较为满意ꎮＭｏｒｅｉｒａＥＥ等基于ＳＰＩ指的干旱预测方法预测精度要高于基于干旱指数自相

数采用三维列联表对数线性模型预测了葡萄牙阿伦关关系分析的时间序列方法ꎬ而基于数值气候模式

特约和阿尔加维地区干旱等级ꎬ论证了方法的可