一种探索多种机器学习模型在径流泥沙模拟中性能优度和泛化能力的方法

本发明提出了一种探索多种机器学习模型在径流泥沙模拟中性能优度和泛化能力的方法。该方法通过明确河流长时间序列水文因子，气象因子，植被因子，人为活动因子与径流输沙变化相关因子的时间序列变化趋势。然后识别各因子与径流泥沙变化的相关关系，选取重要影响因素作为机器学习模型的输入因子。评价不同机器学习模型在模拟径流量和输沙量中的性能优度，并通过对样本数据集进行随机划分以排除样本量有限以及样本顺序对模拟结果的影响，对每个模型进行重复训练和测试，以确定每个模型的经验风险、预测能力和泛化能力。运用局部解释方法，将各输入因子在径流和输沙模拟过程中的贡献度进行排序，从而揭示影响流域水沙变化的主要驱动因素。