本技术公开了一种基于LASSO对数回归的古径流重构方法,基于树木年轮的古径流重构方法。针对径流重构的长度和精确度问题,本发明创建前向分层嵌套法和具有树轮信息优选能力的LASSO对数回归非线性重建模型。首先依据树轮年表起始年份划分重构嵌套层,充分利用时间跨度较长的树轮信息,然后利用LASSO对数回归非线性模型,在确定各嵌套层全局最优树轮主成分子集的基础上重建古径流,提高重构精度。
背景技术
河川径流的开发利用,需要足够长的径流系列,才能揭示径流的长期演变规律,才能发现水文变化和相关气候变化的关系,从而做出精确可靠的径流预报,为生产实践提供准确的科学依据。现有的径流记录数据往往较短,限制了对径流演进的全面理解,特别是在十年到百年的时间尺度上。
长系列径流重构数据,不仅可以克服径流记录数据由于时间跨度短造成的年代际变化研究限制,而且包含大量演进规律及统计特征信息,越长的重构序列越有助于掌握不同年代的演变过程,为分析极端事件发生规律和演变特性、掌握预测因子及其驱动规律以及降低预报不确定性等提供依据。树轮与径流有相同环境因素且具有长记录的数据,以树轮为基础的树轮水文学研究,可以精确地重构长系列径流数据,是径流重构研究中的热点。
目前,径流重构研究方法相对单一,一般采用简单回归法,同时可利用的树轮资料也相对稀少,使得重构序列的长度和精确度都有待提升。
实现思路