一种基于最大离散波量变换和不断增长的神经气体网络集群的降雨区域化的混合方法
Xu Tao1,2, Ma Ben3,4, He Cao Yin Xuan3,4
1College of Mechanical and Electrical Engineering, Wuyi University, Wuyishan, 354300, China. daqingxutao2134@163.com.
Scientific reports
|November 18, 2025
概括
本研究使用波形变换和神经气体聚类将中国的降水模式区域化. 它揭示了不同地区的明显降水变化,这对水资源管理至关重要.
科学领域:
- 水文学的水文学
- 气候学 气候学 气候学
- 数据科学数据科学数据科学
背景情况:
- 在中国等多样化的气候中,空间时空降水变化是水资源规划的关键.
- 准确的区域化有助于有效地理解和管理水资源.
研究的目的:
- 开发和验证一种混合方法来区域化中国的降雨模式.
- 分析中国不同地区降水变化的时空特征.
主要方法:
- 一种混合方法,结合了最大重叠离散波纹变换 (MODWT) 和增长的神经气体 (GNG) 集群.
- 用MODWT将每月降水时间序列分解为多个频率子序列.
- 用于特征提取的Shannon值计算和用于聚类降水模式的GNG.
主要成果:
- 确定了12个均的降水集群,其轮系数为0.68,表现优于未经预处理的集群 (SC=0.56).
- 中国北部和西北部的降水变化较高,特别是在8个月和趋势组件中.
- 中国南部和东南部的降水模式较为稳定.
结论:
- 混合MODWT-GNG方法提供了强大的和可解释的降水区域化.
- 这一框架对于水资源管理,气候适应和基础设施建设有价值.
- 了解区域降水变化对于解决未来的水气候不确定性至关重要.
