基于GOA-RCMSE模型区域降水复杂性测度分析

作者：刘东; 白镜筱; 张亮亮^*; 李雪松

来源：东北农业大学学报, 2023, 54(09): 80-89.

DOI：10.19720/j.cnki.issn.1005-9369.2023.09.008

• 旬降水
• 复杂性测度
• 蝗虫优化算法
• 多尺度熵

文章以黑龙江省13个地区1967～2016年（50年）旬降水量为例，构建基于蝗虫优化算法改进精细复合多尺度熵模型（The improved refined composite multi-scale entropy based on grasshopper optimization algorithm,GOARCMSE），在此基础上采用信息贡献率方法对不同尺度熵值作加权，全面、准确、可靠地评估区域降水复杂性。此外，基于黑龙江省旬降水复杂性测度结果，探索影响黑龙江省降水复杂性潜在因素。结果表明，黑龙江省旬降水复杂性呈现西部低东部高的显著空间分布特征。此外，水域面积和城建面积与降水复杂性测度结果相关系数分别为-0.629和0.451，存在显著相关关系。为分析模型性能，引入蝗虫优化算法改进多尺度熵模型（The multiscale entropy based on grasshopper optimization algorithm,GOA-MSE），可知GOA-RCMSE区分度和Spearman等级相关系数分别为1.1141和0.995，而GOA-MSE区分度和Spearman等级相关系数分别为1.0935和0.973，表明GOARCMSE具备更高的可靠性和稳定性。综上，GOA-RCMSE可全面合理评价区域降水复杂性，同时为不同区域解决降水复杂性测度问题提供新思路。

• 单位
  东北农业大学; 土木工程学院