一种基于机器学习的水文遥测雨量数据清洗方法

本发明公开了一种基于机器学习的水文遥测雨量数据清洗方法，包括下述步骤：S1、关联站点筛选：选定遥测雨量目标站点，采用XGBoost算法分析站点间时空相关性，遴选关联性强的辅助雨量站点；S2、缺测数据识别：基于S1步骤选定的辅助雨量站点数据，通过时空相关性比较判别算法识别目标站点雨量缺测值；S3、异常数据检测：对非缺测数据采用差值判别算法进行二次识别，定位雨量异常值；S4、模型构建及训练：S5、超参数优化；S6、数据修正入库。本发明采用双级识别架构实现数据异常精准筛查，数据修正更加科学、可靠，全流程数据质量大幅提升。使用方便快捷，为区域水资源模拟、调度及应急决策提供科学依据与技术支撑。