本发明涉及降雨监测领域,尤其涉及一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法。
背景技术:
1、卫星遥感的观测信息具有空间连续的优势,同时能够提供无站点布设区域的降雨信息。降雨遥感技术的不断更新和完善为解决全球范围内降水估算提供了主要工具,卫星遥感降雨产品已经逐渐成为水文和气象领域的重要数据源,当前卫星遥感降水的估算是采用自上而下的观测方式,通过获取水汽凝结体散射或发射的大气信号反演得到的。这种观测方式能够估算不同类型的降水,包括降雪、小雨和冰雹等。然而,卫星观测的间接性和瞬时性会对降水估算产品造成很大的不确定性。
技术实现思路
1、为了解决上述技术问题,本发明的目的是提供一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,能够提高降雨估算精度。
2、本发明所采用的第一技术方案是:一种于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,包括以下步骤:
3、基于sm2rain算法,以土壤水分平衡方程为基础,确定第一批待优化参数;
4、考虑土壤水分反演误差,确定第二批待优化参数;
5、基于贝叶斯算法对第一批待优化参数和第二批待优化参数进行迭代优化,确定最佳参数区间;
6、根据最佳参数区间构建估算模型;
7、基于估算模型估算降雨信息。
8、进一步,还包括:
9、根据预设的评价指标对估算模型进行评价;
10、所述预设的评价指标包括预测降水量与实测降水量之间的皮尔逊相关系数、纳什-萨特克利夫效率、均方根误差、正偏差和负偏差。
11、进一步,所述估算模型的表达式如下:
12、zds(t)/dt=p(t)-r(t)-e(t)-g(t)
13、上式中,p(t)表示降水量,r(t)表示径流,e(t)表示土壤水分蒸发蒸腾损失总量,g(t)表示排水速率,z表示土壤深度。
14、进一步,第一批待优化参数的相关公式如下:
15、
16、上式中,s(t)[-]表示表面土壤湿度,as(t)b表示排水速率,a和b表示排水速率和土壤饱和度之间非线性关系的两个参数,z、a、b为第一批待优化参数待优化参数。
17、进一步,第二批待优化参数的相关公式如下:
18、swi(n)=swi(n-1)+kn(s(tn)-swi(n-1))
19、
20、
21、上式中,swi表示滤波后的土壤水分,kn表示土壤水分增益,t表示特征时间长度,tbase和tpot表示第二批待优化参数。
22、进一步,所述基于贝叶斯算法对待优化参数进行迭代优化,确定最佳参数区间这一步骤,其具体包括:
23、根据第一批待优化参数和第二批待优化构建参数集并得到优化问题;
24、基于贝叶斯算法对参数集中的参数进行迭代优化,根据贝叶斯迭代结果将参数定位至最第一区间;
25、在第一区间进行微调,确定贝叶斯寻优的最终参数范围,得到最佳参数区间。
26、进一步,所述基于估算模型估算降雨信息这一步骤,其具体包括:
27、基于被动微波辐射计获取土壤水分数据并输入至估算模型;
28、基于估算模型对土壤水分数据进行处理,输出降雨信息。
29、进一步,贝叶斯寻优公式表示如下:
30、
31、上式中,θ为模型参数集,p(θ)表示未知目标函数f的先验概率分布,p(θ|d)表示未知目标函数f的后验概率分布,p(d)是观测数据的概率密度函数,p(d|θ)是具有先验信息的观测数据的条件概率密度函数。
32、本发明方法的有益效果是:本发明在贝叶斯框架下优化sm2rain算法的参数估计,提出更稳健的模型sm2rain-bayesopt模型,可以有效提高降水估算精度,对缺观测资料的高寒地区降雨监测具有重要的参考价值。
1.一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,还包括:
3.根据权利要求1所述一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,所述估算模型的表达式如下:
4.根据权利要求3所述一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,第一批待优化参数的相关公式如下:
5.根据权利要求4所述一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,第二批待优化参数的相关公式如下:
6.根据权利要求5所述一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,所述基于贝叶斯算法对待优化参数进行迭代优化,确定最佳参数区间这一步骤,其具体包括:
7.根据权利要求6所述一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,所述基于估算模型估算降雨信息这一步骤,其具体包括:
8.根据权利要求7所述一种基于贝叶斯优化sm2rain算法的高寒地区降雨估算方法,其特征在于,贝叶斯寻优公式表示如下: