一种评估Budyko关键参数变化影响因素的方法

AITNT
正文
推荐专利
一种评估Budyko关键参数变化影响因素的方法
申请号:CN202411066141
申请日期:2024-08-05
公开号:CN118982285A
公开日期:2024-11-19
类型:发明专利
摘要
本发明提供了一种评估Budyko关键参数影响因素的方法,首先构建模型输入数据集及影响参数值的变量数据集,通过Budyko模型估算关键参数n及其在流域内的分布模式。接着使用多维Copula模型量化变量数据集中变量对关键参数n变化的联合影响,从中选择影响最显著的关键变量。针对这些关键变量,建立C‑Vine系列树结构,T1层树以关键参数n为中心节点,利用Copula函数分析n值与关键变量之间的相关关系。同时构建T'2至T”j层Vine树,探讨不同条件下n与各变量的条件相关性。基于相关性引入权重因子构建多元线性回归模型,评估关键变量对n值的独立影响程度。本发明能够深入研究Budyko模型关键参数在空间尺度上的分布、主要影响因素及及独立影响程度,为水文与气候研究提供理论基础。
技术关键词
Copula函数 变量 多元线性回归模型 参数 引入权重因子 正态分布函数 累积分布函数 概率分布函数 系列 数据 关系 方程 数值 节点 水文 气候 理论 代表 基础
系统为您推荐了相关专利信息
1
一种黄斑水肿的治疗应答预测模型及其构建方法
逻辑回归模型 拟合优度检验 水肿药物 患者 数据
2
一种带包覆层管道腐蚀缺陷磁异常信号的分离方法
管道腐蚀缺陷 带包覆层 磁异常信号 磁通门传感器 包覆层管道
3
一种适用于业务数据策略阈值合理性评估分析及优化方法
预测阈值 策略 拦截业务 业务数据类型 变量
4
一种基于宽带低功耗自组网技术的输电线路多维状态监测方法
自组网技术 状态监测方法 融合置信度 低功耗 节点
5
一种基于同构分组的深度模型自动结构化剪枝方法
剪枝方法 驱动特征 正则化策略 剪枝模型 稀疏训练方法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号