一种基于SSA-HELM算法的流域水资源演变特征识别方法

一种基于SSA‑HELM算法的流域水资源演变特征识别方法，该方法包括：获取流域径流量、降水量和气温等水文气象时序数据；将数据划分为训练集和测试集并进行归一化处理，输入至采用麻雀搜索算法（SSA）优化的分层极限学习机（HELM）模型中进行训练；利用决定系数R²和均方根误差RMSE评估模型精度，判断是否满足预设要求；若精度达标，则使用训练完成的SSA‑HELM模型预测未来水资源量，对预测结果进行反归一化处理，并结合Mann‑Kendall趋势检验法和自相关分析识别水资源格局的长期演变趋势与周期性特征。本发明通过SSA算法优化HELM模型的输入权重与隐含层偏置，提升了模型的收敛速度、泛化性能和预测稳定性，有效避免了局部最优，能够准确预测复杂气候变化下的水资源变化，为水资源管理与规划提供科学依据。