[發明專利]一種基于改進Elman神經網絡的中長期徑流預報方法

在審

• 申請號: 201711042199.4
• 申請日: 2017-10-31
• 公開（公告）號: CN107798431A
• 公開（公告）日: 2018-03-13
• 發明（設計）人: 李臣明;賀志堯;高紅民;張麗麗
• 申請（專利權）人: 河海大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08;G06F17/18
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 饒欣

1.一種基于改進Elman神經網絡的中長期徑流預報方法，其特征在于：包括以下步驟：

S1：數據預處理；

S2：選擇預報因子，提取主成分；

S3：構建Elman神經網絡模型；

S4：對網絡模型進行10折交叉驗證；

S5：如果預報精度滿足要求，則保存網絡與預報結果；否則，轉到步驟S2；

S6：如果預報次數達到要求，則計算所有預報結果的平均值；否則，轉到步驟S4。

2.根據權利要求1所述的基于改進Elman神經網絡的中長期徑流預報方法，其特征在于：所述步驟S1中的數據預處理為：通過式(1)對水文資料時間序列和徑流時間序列進行歸一化；

y=2x-xminxmax-xmin-1---(1)]]>

式(1)中，x為待歸一化的水文資料時間序列或徑流時間序列，y為歸一化后的水文資料時間序列或徑流時間序列，x_min為水文資料時間序列的最小值或徑流時間序列的最小值，x_max為水文資料時間序列的最大值或徑流時間序列的最大值。

3.根據權利要求2所述的基于改進Elman神經網絡的中長期徑流預報方法，其特征在于：所述步驟S2包括以下步驟：

S2.1：將預處理后的水文資料時間序列和徑流時間序列分別進行由小到大的排序；

S2.2：從1開始，分別對排序后的水文資料時間序列和徑流時間序列進行標號，然后用標號代替水文資料時間序列和徑流時間序列，得到水文資料時間秩序列和徑流時間秩序列；

S2.3：通過式(2)計算水文資料秩序列和徑流時間秩序列的秩相關系數R_AB：

RAB=1-6Σi=1n(ai-bi)2n(n2-1)---(2)]]>

式(2)中，A＝(a₁,a₂,...,a_n)為徑流時間秩序列，a_i為徑流時間秩序列A的第i個元素，B＝(b₁,b₂,...,b_n)為水文資料秩序列，b_i為水文資料秩序列B的第i個元素，n為樣本容量；

S2.4：在水文資料時間序列所對應的因子中，選出秩相關系數最高的前3到9個因子作為預報因子，計算這些因子的協方差矩陣；

S2.5：計算協方差矩陣的特征值和特征向量；

S2.6：將特征值按照由大到小的順序排序，特征向量的順序也做對應調整；

S2.7：將步驟S2.4選出的預報因子的時間序列以矩陣的形式組織在一起，形成因子序列矩陣，因子序列矩陣在特征向量上做投影，得到主成分矩陣；

S2.8：提取前幾個主成分作為預報因子，具體選擇前多少個主成分采用試錯法確定；

S2.9：將提取的主成分劃分為2個部分，也即訓練樣本和用于10折交叉驗證篩選出的網絡的檢驗樣本。