[發明專利]基于支持向量機二元數據同化的地下水水位變化中長期預報方法

有效

• 申請號: 202011007263.7
• 申請日: 2020-09-23
• 公開（公告）號: CN112163610B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 劉娣;余鐘波;呂海深;鞠琴
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/20
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 周科技

1.一種基于支持向量機二元數據同化的地下水水位變化中長期預報方法，其特征在于：該方法包括如下步驟：

步驟1，獲取N個時刻研究區域有效地下水水位和氣象要素觀測數據集，根據地下水水位變化與氣象要素的相關性選取支持向量機的氣象驅動要素；

步驟2，采用支持向量機非線性回歸方法，構建地下水水位變化預報模型；模型的輸入為某一時刻的驅動要素，輸出為該時刻的地下水水位變化值；

步驟3，將數據集樣本中前t時刻的驅動要素和地下水水位變化值作為訓練集，訓練預報模型，獲得訓練好的地下水水位變化預報模型；

其中，根據構建的地下水水位變化預報模型，調用simlssvm命令，輸入預報時刻的驅動要素，獲取該預報時刻的地下水水位變化預報值；

步驟4，當預報時刻t+m存在地下水水位觀測數據，更新訓練集，采用數據同化技術同化校正該訓練集，采用校正的訓練集重新訓練預報模型，獲取一元數據同化預報模型；具體包括：

若在預報的t+m時刻存在地下水水位觀測數據，則將訓練集向前更新m-1步，即，移除1至m-1時段的驅動要素和地下水水位變化值，將t+1至t+m-1時段的驅動要素和地下水水位變化的預報值添加至訓練集，構建新的訓練集；

采用數據同化技術，融合t+m時刻地下水水位觀測數據，同化校正訓練集；使用更新校正的訓練集，創建支持向量機，即為支持向量機數據同化模型SVM-DA；將校正后的t+m時刻的驅動要素輸入SVM-DA模型，輸出該時刻的地下水水位預報值，即為一元數據同化預報值；

步驟5，將校正后的t+m時刻的驅動要素，輸入至一元數據同化預報模型，獲取該預報時刻的地下水水位變化一元數據同化預報值；

步驟6，對預報時刻t+m的地下水水位變化一元數據同化預報值再次進行數據同化校正，獲取二元數據同化預報值，即為該時刻最終的地下水水位變化預報值。

2.根據權利要求1所述的基于支持向量機二元數據同化的地下水水位變化中長期預報方法，其特征在于：所述步驟1，具體包括：

（1）獲取地下水水位和氣象要素的觀測數據時間序列，對觀測數據進行有效性篩選，去除異常數據和缺失數據，選用有效時段的數據序列；

（2）將選定時段內的數據序列轉化為逐月數據序列，進行去趨勢處理，獲取逐月地下水水位變化時間序列；

（3）采用皮爾遜相關分析方法分析地下水水位變化與氣象要素在不同時段的相關性，根據相關性選取支持向量機的驅動要素。

3.根據權利要求1所述的基于支持向量機二元數據同化的地下水水位變化中長期預報方法，其特征在于：所述步驟2，具體包括：

獲取SVM模型識別與回歸軟件包LS-SVM；根據驅動要素調用LS-SVM軟件包中的定向結構函數initlssvm，在該函數中設置核函數，此處采用徑向基核函數；調用trainlssvm命令，構建地下水水位變化預報模型。

4.根據權利要求1-3任一所述的基于支持向量機二元數據同化的地下水水位變化中長期預報方法，其特征在于：所述數據同化技術采用集合卡爾曼濾波，或者集合粒子濾波，或者無跡粒子濾波。