[發明專利]基于前期氣象因子與數據挖掘技術的中長期徑流預報方法

在審

• 申請號: 201710451205.5
• 申請日: 2017-06-15
• 公開（公告）號: CN107292098A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 梁忠民;酈于杰;唐甜甜;王軍;楊靖;劉甜
• 申請（專利權）人: 河海大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 南京縱橫知識產權代理有限公司32224
• 代理人: 董建林

1.基于前期氣象因子與數據挖掘技術的中長期徑流預報方法，其特征是，包括以下步驟：

步驟S1，確定影響中長期徑流的各類前期初選預報因子，計算所有類別初選預報因子序列與歷史預報對象序列的皮爾遜相關系數，再根據逐步回歸方法，提取出相關性高、方差貢獻大的因子作為最終預報因子；

步驟S2，構建多種基于數據挖掘技術的預報模型，將歷史最終預報因子序列與預報對象序列作為不同預報模型的輸入與輸出，訓練各預報模型；

步驟S3，依據以上多種預報模型分別進行徑流預報，利用最優組合賦權理論，綜合集成多模型預報結果。

2.根據權利要求1所述的基于前期氣象因子與數據挖掘技術的中長期徑流預報方法，其特征是，前期初選預報因子包括74項環流指數、北太平洋海溫場和500hPa高度場三類數據。

3.根據權利要求1所述的基于前期氣象因子與數據挖掘技術的中長期徑流預報方法，其特征是，初選預報因子序列包括不同種類、不同時間提前量、不同經緯度的因子數值。

4.根據權利要求1所述的基于前期氣象因子與數據挖掘技術的中長期徑流預報方法，其特征是，步驟S1中，提取最終預報因子的具體過程為：先計算所有類別初選預報因子序列與歷史預報對象序列的皮爾遜相關系數，從各類氣象因素的所有因子中挑選出與預報對象相關性較高的因子，再根據逐步回歸方法，在挑選出的因子中計算影響預報對象序列最大的因子，作為最終預報因子。

5.根據權利要求1所述的基于前期氣象因子與數據挖掘技術的中長期徑流預報方法，其特征是，預報模型包括人工神經網絡、支持向量機和隨機森林三種。

6.根據權利要求1所述的基于前期氣象因子與數據挖掘技術的中長期徑流預報方法，其特征是，步驟S3中，獲取最終預報結果的過程為：根據各預報模型在各月的模擬及實測系列，通過博弈論最優賦權方法確定各預報模型在集成模型中每月的權重系數；基于各個預報模型在各月的權重，對各模型的模擬值進行加權集成，獲得多模型集成的預報值。