[發明專利]一種集合經驗模態分解及遙相關的中長期徑流預報方法

有效

• 申請號: 201811288991.2
• 申請日: 2018-10-31
• 公開（公告）號: CN109472403B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 王旭;雷曉輝;王佳;王超;廖衛紅;秦韜;蔣云鐘;譚喬鳳
• 申請（專利權）人: 中國水利水電科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 梁艷

本發明公開了一種集合經驗模態分解及遙相關的中長期徑流預報方法，涉及徑流預報技術領域。與現有技術相比，該預報方法充分考慮了徑流序列的非穩態性，使用集合經驗模態分解的方法將徑流轉化為多組穩態序列，實現了水文序列穩態化，為常規的預報方法提供了最基礎的數據條件。同時，該預報方法針對常規自適應中長期徑流預報在物理機理方面的不足，采用遙相關數據分析的方法，分析多組穩態序列的氣象影響因子，能充分剝離不同頻率序列的物理因子，挖掘徑流序列隱藏的物理機制，建立的預報模型提高了中長期徑流預報的準確性。

技術領域

本發明涉及徑流預報技術領域，尤其涉及一種集合經驗模態分解及遙相關的中長期徑流預報方法。

背景技術

中長期徑流預報是水資源配置方案、水庫水量調度計劃最重要的數據基礎和制定依據，是實現水資源高效利用、防洪減災的關鍵技術，徑流預報的精度同時又給庫區來水、調度風險帶來不確定性。徑流序列受大氣變化、下墊面情況、人類活動等多因素影響，徑流變化多樣，影響因素復雜，呈非穩態，具有一定的周期性，隨機性和趨勢性，故準確預報徑流并掌握其物理機理具有較大的難度。

目前，常用的中長期徑流預報方法主要有：基于數據統計分析的自回歸模型預報和氣象因子遙相關分析預報兩大類方法。其中預報模型通常使用人工神經網絡、支持向量機、線性回歸等智能優化算法對徑流進行預測。現有的兩類方法建立的預報模型都將徑流序列假定為穩態序列，從而導致預報精度不高。另外，自回歸預報模型忽略了徑流過程中的水文物理機理，使用智能算法對徑流進行自相關分析，會導致預報過擬合，出現失真現象。

發明內容

本發明的目的在于提供一種集合經驗模態分解及遙相關的中長期徑流預報方法，從而解決現有技術中存在的前述問題。

為了實現上述目的，本發明采用的技術方案如下：

一種集合經驗模態分解及遙相關的中長期徑流預報方法，包括如下步驟：

S1，提取徑流序列及響應的預報因子數據，從徑流序列Q中剔除趨勢項trend生成新的無趨勢變化的徑流序列Q'，將滯后時段t的遙相關數據D組成一系列的氣象因子集合X(D,t)；

S2，采用集合經驗模態分解的方法將徑流序列Q'分解為滿足Hilbert變換要求的n層本征模態函數IMF(1),IMF(2),…,IMF(n)和一層殘余項Res，組成一組自變量集合Y＝[IMF(n),Res]；

S3，確定自變量集合Y相關的預報因子F(X,n+1)，包括如下步驟：

S301，對不同的氣象因子X(D,t)與每層本征模態函數和殘余項Res進行相關性分析，得到相關因子；

S302，根據得到的相關因子，判斷X(D,t)和Y＝[IMF(n),Res]中每組序列的相關性，通過T檢驗，初步篩選每組自變量的相關性較大的氣象因子；

S303，根據逐步回歸方法，挑選顯著影響因子，最終確定每組自變量的預報因子F(X,n+1)，完成對n階自變量Y的預報因子識別工作；

S4，利用篩選出來的預報因子F(X,n+1)和已知徑流分解后的IMF(1),IMF(2),…,IMF(n)、Res構建基于集合經驗模態分解與遙相關數據的徑流預報模型；

S5，根據所述徑流預報模型對下一時段的中長期徑流進行預報。

優選地，S4包括如下步驟：

S401，構建徑流預報模型的訓練、驗證樣本集：根據樣本數據長度，確定模型訓練期和檢驗期長度，并將輸入因變量F(X,n+1)為已識別的氣象因子及確定的滯后期，自變量Y為n層本征模態函數IMF(1),IMF(2),…,IMF(n)、殘余項Res分為訓練樣本集和檢驗期樣本集兩段；

S402，基于已獲得的訓練樣本集，建立并訓練人工神經網絡模型，進而預報檢驗期的自變量Y；