水文模型判定系数、纳什效率系数的计算和输出---Python代码

通过SAC-SMA模型模拟了区域的径流深数据，下一步需要进行参数率定，这里学习了一下如何通过模型运作输出的CSV文件，进行相关系数的计算与输出，pandas的操作应该是进行数据分析的基础。

import numpy as np
import pandas as pd
import csv

#以水文模型结果为例，这里xs为模型模拟的径流量，xo为水文站点的径流量

def R2(xs, xo)-> float: #判定系数
    # 确定性系数
    R = np.corrcoef(xs, xo)[0,1]
    R2 = R ** 2  # Corelation coefficient
    print("相关性系数平方R2为" + str(R2))
    return R2


def DC(xs, xo) -> float: #纳什效率系数
    x_mean = xo.mean()
    SST = np.sum((xo - x_mean) ** 2)
    SSRes = np.sum((xo - xs) ** 2)
    DC = 1 - (SSRes / SST)
    print("纳什效率系数为"+str(DC))
    return DC

i = int(input()) #输入要从第几行开始处理数据，以便剔除前几行作为预热期


Site_file = pd.read_excel(r'H:\WaSSI-C\output\sac-sma\site_runoff.xlsx')#站点文件读取，可修改参数

Xo = Site_file.loc[i:,'runoff']
print('Xo输入站点观测月份数为%d'%len(Xo))

#读输出文件，记得查看预热期的数据是否有包含在XS和XO中
model_file = pd.read_csv(r'H:\WaSSI-C\output\sac-sma\runoffs_sync.csv')
Xs = model_file.loc[i:,'sum']


simulate_r2 = R2(Xs,Xo)
simulate_nasi = DC(Xs,Xo)
print(type(simulate_nasi))
#将判断系数写入csv文件中
with open(r"H:\WaSSI-C\output\sac-sma\R2_NSE.csv", "w", encoding="gbk", newline="") as f:
    csv_writer = csv.writer(f)
    # 3. 构建列表头
    csv_writer.writerow(["R2", "NSE"])
    # 4. 写入csv文件内容
    csv_writer.writerow([simulate_r2, simulate_nasi])
    print("写入数据成功")
    # 5. 关闭文件
    f.close()

 这里模型模拟结果可以以csv/excel等文件读取具体的形式参照以下：

XS和XO的shape必须数量一致

XS：模拟数据

 Xo：站点数据

最终文件会以csv格式进行保存，可以用excel打开编辑与浏览 

 （请忽略模型参数还未调整好的模型运行得到的结果惨不忍睹OoO）

 另外模型运行中直接使用pandas进行模型模拟结果（dataframe形式）进行读取，如下，也可以同样更快生成相关系数。

Xs = simulate_runoff.loc['sum',:]