(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110944776.9 (22)申请日 2021.08.17 (65)同一申请的已公布的文献号 申请公布号 CN 113609783 A (43)申请公布日 2021.11.05 (73)专利权人 中山大学 地址 510275 广东省广州市新港西路13 5号 (72)发明人 陈晓宏　王艺霖　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 彭东威 (51)Int.Cl. G06F 30/27(2020.01) (56)对比文件 CN 107992960 A,2018.0 5.04US 2015347647 A1,2015.12.0 3 陈奔月.闽江咸潮上溯与保障供 水安全综合 措施的现状与思考. 《水利科技》 .2020,(第01 期),全文. 苏程佳等.基 于随机森林模型的咸潮预报. 《热带地理》 .2018,(第0 3期),全文. 李林娟等.基 于Delft3D-fl ow模型的长江口 盐度扩散规 律模拟. 《人民长江》 .2016,(第23 期),全文. Lin, Kairo ng 等.Model ing saltwater intrusion using an integrated Bayesian model avera ging method i n the Pearl River Delta. 《JOURNAL OF H YDROINFORMATICS》 .2019, 第21卷(第6期),1 147-1162. 审查员 张伯 (54)发明名称 耦合大尺度环流气候信息的咸潮上溯预报 系统和方法 (57)摘要 本发明涉及一种耦合大尺度环流气候信息 的咸潮上溯预报系统和方法， 该系统包括数据输 入模块、 模型预报模块和数据输出模块。 该耦合 大尺度环流气候信息的咸潮上溯预报系统通过 对需要预测受咸潮上溯影响地区的地区获取历 史影响咸潮上溯的水文气象数据， 依据从数据中 筛选出关键影 响因子建立咸潮上溯预报模型， 并 对咸潮上溯预报模型进行验证， 验证通过的咸潮 上溯预报模型输出的含氯度作为某个地区咸潮 上溯的预报数据； 该耦合大尺度环 流气候信息的 咸潮上溯预报系统得到的预报数据精度高， 解决 了现有咸潮上溯预报模型对数据要求高、 信息获 取成本大， 且存在预报因子互相关的干扰， 使得 预报精度低的技 术问题。 权利要求书2页 说明书8页 附图4页 CN 113609783 B 2022.05.03 CN 113609783 B 1.一种耦合大尺度环流气候信息的咸潮上溯预报系统， 其特征在于， 包括数据输入模 块、 模型预报模块和数据输出模块； 所述数据输入模块， 用于获取影响咸潮上溯的水文气象数据， 并对获取的水文气象数 据通过随机森林重要度分析， 得到影响咸潮上溯的关键影响因子； 所述模型预报模块， 用于依据 所述关键影响因子采用随机森林算法建立咸潮上溯预报 模型， 并对所述 咸潮上溯预报模型进行验证， 得到咸潮上溯预报最优 模型； 所述数据输出模块， 用于输出所述咸潮上溯预报最优模型预测受咸潮上溯影响地区的 含氯度； 所述数据输入 模块包括数据获取子模块、 数据分析子模块和筛 选子模块； 所述数据采集子模块， 用于获取某地河口地区历史的水文因子、 大尺度环流气候因子 和含氯度， 得到咸潮上溯的水文气象数据； 所述数据分析子模块， 用于通过袋外样本集的估计误差和基尼不纯度分别对所述影响 咸潮上溯的水文气象数据进行随机森林重要分析， 得到不同时间尺度下各 因子与含氯度之 间的第一重要度数集和第二重要度数集； 所述筛选子模块， 用于分别对所述第 一重要度数集和所述第 二重要度 数中的各个因子 按重要度从大到小排序后进行筛选， 得到对应的第一因子集和第二因子集； 并从所述第一 因子集和所述第二因子集中选择相同的因子作为影响咸潮上溯的关键影响因子； 所述模型 预报模块包括数集分类子模块、 建立模型子模块和验证模型子模块； 所述数集分类子模块， 用于将得到所有所述关键影响因子构建数集， 并将数集分为训 练集和验证集； 所述建立模型子模块， 用于采用随机森林算法对所述训练集进行模型训练， 建立咸潮 上溯预报模型； 所述验证模型子模块， 用于将所述验证集输入所述咸潮上溯预报模型， 输出与所述验 证集对应的纳什效率系数和决定系数， 若 所述纳什效率系数和所述决定系数均大于系数阈 值， 得到咸潮上溯预报最优 模型。 2.根据权利要求1所述的耦合大尺度环流气候信 息的咸潮上溯预报系统， 其特征在于， 所述水文因子包括流量和潮位， 所述大尺度 环流气候因子包括太平洋年代际振荡和南方 涛 动指数。 3.根据权利要求1所述的耦合大尺度环流气候信 息的咸潮上溯预报系统， 其特征在于， 所述筛选子模块用于分别对所述第一重要度数集和所述第二重要度数中的各个因子按重 要度从大到小排序后， 筛选出重要度排在前三分之二的因子对应构建成第一因子集和 第二 因子集。 4.根据权利要求1所述的耦合大尺度环流气候信 息的咸潮上溯预报系统， 其特征在于， 所述数集分类子模块用于将80%的数集作为训练集， 20%的数集作为验证集。 5.根据权利要求1所述的耦合大尺度环流气候信 息的咸潮上溯预报系统， 其特征在于， 所述系数阈值 为0.5。 6.一种耦合大尺度环流气候信息的咸潮上溯预报方法， 其特 征在于， 包括以下步骤： 获取影响咸潮上溯的水文气象数据， 并对获取的水文气象数据通过随机森林重要度分 析， 得到影响咸潮上溯的关键影响因子；权　利　要　求　书 1/2 页 2 CN 113609783 B 2依据所述关键影响因子采用随机森林算法建立咸潮上溯预报模型， 并对所述咸潮上溯 预报模型进行验证， 得到咸潮上溯预报最优 模型； 输出所述咸潮上溯预报最优 模型预测受咸潮上溯影响地区的含氯度； 对获取的水文气象数据通过随机森林重要度分析， 得到影响咸潮上溯的关键影响因子 的步骤包括： 获取某地河口地区历史的水文因子、 大尺度环流气候因子和含氯度， 得到咸潮上溯的 水文气象数据： 通过袋外样本集的估计误差和基尼不纯度分别对所述影响咸潮上溯的水文气象数据 进行随机森林重要分析， 得到不同时间尺度下各 因子与含氯度之 间的第一重要度数集和 第 二重要度数集； 对所述第一重要度数集和所述第二重要度数中的各个因子按重要度从大到小排序后 进行筛选， 得到对应的第一因子集和第二因子集； 并从所述第一因子集和所述第二因子集 中选择相同的因子作为影响咸潮上溯的关键影响因子； 得到咸潮上溯预报最优 模型的步骤 包括： 将得到所有所述关键影响因子构建数集， 并将数集分为训练集和验证集； 采用随机森林算法对所述训练集进行模型训练， 建立 咸潮上溯预报模型； 将所述验证集输入所述咸潮上溯预报模型， 输出与所述验证集对应的纳什效率系数和 决定系数， 若所述纳什效率系 数和所述决定系 数均大于系 数阈值， 得到咸潮上溯预报最优 模型。权　利　要　求　书 2/2 页 3 CN 113609783 B 3