摘要
本发明涉及一种识别城市复杂下垫面径流形成关键驱动要素的方法,首先定义可变源指数,作为衡量城市不透水面积对径流形成的动态贡献的新指标;然后通过城市雨洪模型模拟并计算不同影响因素组合情景下的可变源指数;进一步利用支持向量回归模型结合贝叶斯优化方法对支持向量回归的超参数进行优化,建立影响因素与可变源指数之间的关系模型;最后使用SHAP值对支持向量回归模型的可解释性进行分析,量化各影响因素对可变源指数的贡献度。本发明方法考虑了多要素协同作用对复杂下垫面径流过程的影响,通过融合物理基础的城市雨洪模型模拟与数据驱动的机器学习,有效提高了城市雨洪模拟、预测的准确性,为城市水文建模和雨洪管理提供新思路。
技术关键词
支持向量回归模型
径流
组合情景
指数
水文
土壤饱和导水率
检查井
决策支持工具
排水系统设计
城市雨洪管理
关系
大数据
汇流
构建海量
机器学习方法
优化器
正则化参数
验证机制
系统为您推荐了相关专利信息
心血管健康评估
指标
工作特征
回归方法
心理健康
信息管理方法
三维空间模型
隶属度函数
模糊策略
邻域