一种融合数据增强技术和机器学习模型的中长期径流预测方法

本发明属于水文水资源与气候预测交叉技术领域，公开了一种融合数据增强技术和机器学习模型的中长期径流预测方法，包括：收集目标区域径流数据及气候系统指数数据，采用置换准确度方法进行因子筛选，将数据划分为训练集和测试集并构造时间滞后因子，对训练集进行SMOTE数据增强，使用支持向量机回归模型进行径流预测模型构建，使用网格搜索进行参数优化，计算评价指标进行模型性能评估，最终根据模型预测输出中长期径流时间序列。该方法有效解决了传统方法中因数据稀缺、因子选择不充分导致的预测精度低的问题。本发明克服了中长期径流预测中数据稀缺、不平衡和模型泛化能力不足的难题，在中长期径流预测和水资源管理领域具有广阔的应用前景。