• 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    基于優選氣候因子和精度權重系數的中長期徑流預測方法技術

    技術編號:35023364 閱讀:33 留言:0更新日期:2022-09-24 22:53
    本發明專利技術公開一種基于優選氣候因子和精度權重系數的中長期徑流預測方法,其特征在于:它包括以下步驟:步驟1、分析氣候因子表征特性,對氣候因子進行分類;步驟2、采用相關分析法,篩選出與預測斷面徑流相關性高的因子集;步驟3、采用回歸分析、支持向量機和神經網絡方法建立中長期徑流預測模型;步驟4、計算不同模型模擬和檢驗階段的預測精度;步驟5、采用最優加權法計算不同模型的權重,建立組合預測模型;本發明專利技術為中長期徑流預測提供了一種新的方法,提高了預測的穩定性和精度,可應用于大中型流域主要控制站點及控制性水庫中長期徑流預測,為水資源調度、水庫電站調度提供決策依據。據。據。

    【技術實現步驟摘要】
    基于優選氣候因子和精度權重系數的中長期徑流預測方法


    [0001]本專利技術涉及水文預報技術,尤其是一種基于優選氣候因子和精度權重系數的中長期徑流預測方法。

    技術介紹

    [0002]準確的中長期徑流預報,對于發揮流域防洪、發電、航運等效益,保證水利工程運行安全,實現流域水電站優化調度運行和提高水電站經濟效益的具有重要意義。雖然目前相關技術人員對中長期徑流預測進行了系統深入的研究,研制了很多基于不同理論的預報模型和方法,但由于徑流形成過程是一個高度非線性系統,尚沒有一個能全面描述徑流變化規律本質的模型,且受人類活動、氣候變化以及基礎資料等因素影響,準確預報難度較大。
    [0003]目前,針對中長期徑流預測的難點問題,孫廣英等提出利用神經網絡建立徑流預測模型,由于人工神經網絡方法學習能力較強而推廣能力較差,往往造成模擬階段效果較好,而檢驗效果較差。王文圣等利用最小二乘法建立了最近鄰抽樣回歸模型開展徑流預報,該方法通過與相似前期徑流系列建立關系進行預報,未能考慮徑流的物理成因。郭慧芳等提出了基于小波分析的中長期預測模型,改方法對具有于非線性的徑流預測有較好的適用性,但其僅考慮前期徑流的影響,制約了模型的預測效果。
    [0004]由于徑流的形成是依據其特有的物理機制發生的,從徑流的物理成因角度出發,優選合理的預測因子,建立考慮徑流物理成因的預測模型具有重要意義。隨著氣象、計算機等技術的不斷發展,對徑流形成的機理認識逐步加深,越來越多的預報因子、先進理論、智能算法被引入中長期徑流預測中,結合物理成因開展中長期徑流預測已成為可能。

    技術實現思路

    [0005]本專利技術的目的在于克服上述不足,提供一種基于精度權重系數的中長期徑流預測方法,以拓展當前中長期徑流預報領域內的預測方法。
    [0006]本專利技術為解決上述技術問題,所采用的技術方案是:一種基于優選氣候因子和精度權重系數的中長期徑流預測方法,它包括以下步驟:
    [0007]步驟1、分析氣候因子表征特性,對氣候因子進行分類;
    [0008]步驟2、采用相關分析法,篩選出與預測斷面徑流相關性高的因子集;
    [0009]步驟3、采用回歸分析、支持向量機和神經網絡方法建立中長期徑流預測模型;
    [0010]步驟4、計算不同模型模擬和檢驗階段的預測精度;
    [0011]步驟5、采用最優加權法計算不同模型的權重,建立組合預測模型。
    [0012]優選地,所述步驟1具體為:
    [0013]從大氣環流及遙相關的角度、以及因子和因子之間的相關性出發,將因子分為副高指數、極渦指數、經緯向環流指數、海溫指數、局地天氣系統指數、太陽指數6類:
    [0014]P
    m
    =(x
    m、1
    、......、x
    m、mn
    )
    [0015]其中:P
    m
    :第m類氣候因子,m=1、2、...、6;x
    m、mn
    :表示第m類因子的第mn個氣候因子。
    [0016]由于大氣環流因子在影響徑流時,具有持續性特征,在構建模型時考慮氣候因子指數的滑動平均計算,即除指數的單月值外,同時考察某項指數的多月平均值;公式為:
    [0017]雙月:x
    t
    =(x
    t
    +x
    t
    ?1)/2;三月:x
    t
    =(x
    t
    +x
    t
    ?1+x
    t
    ?2)/3;六月:x
    t
    =(x
    t
    +x
    t
    ?1+x
    t
    ?2+x
    t
    ?3+x
    t
    ?4+x
    t
    ?5)/6
    [0018]式中下標t,t
    ?
    1,t
    ?2……
    代表當月,前1月,前2月
    ……
    ,基于滑動平均的處理之后,每個因子將綜合考慮單月、雙月、三月及六月對預測對象的影響,進行統計相關分析。
    [0019]優選地,所述步驟2具體為:
    [0020]步驟21、因子相關性分析;收集好氣候因子后,考察物理因子與預測對象之間的相關關系,采用單相關系數來檢測相關程度,單相關系數定量反映兩個序列之間的相似程度,用r表示,表達式為:
    [0021][0022]y
    t
    和x
    t
    分別是代表徑流和因子序列值,分別代表其平均值,r絕對值越接近1表示兩個變量關系越好;
    [0023]在考察每個因子與預報對象的相關性時,采取從起報月的前2個月往前推12個月進行逐月的單相關系數計算,每個因子得到多個相關系數,從中挑選出相關系數最高的相應序列作為該因子可能參與建模的序列;
    [0024]步驟22、置信檢驗;為了定量地對回歸效果進行檢驗,引入統計量F:
    [0025]U—回歸平方和,Q—殘差平方和,m:預報因子數;n樣本數;
    [0026]F服從F分布,若在給定置信度下,F>F
    α
    ,則回歸效果顯著,經過置信度檢驗的因子作為構建預測模型的備選因子;
    [0027]步驟23、挑選最終因子;基于步驟22挑選的備選因子,分別從物理上和統計上排除選入因子相互之間的關聯性,得到最終的模型采用的優選因子;
    [0028]一、基于備選因子,結合因子的六大分類,考慮因子之間的可能物理聯系,在進行方案構建需要排除因子之間的相關性,因此同類因子中選擇相關性最高的2
    ?
    3個因子;
    [0029]二、基于上述挑選的因子,利用逐步回歸分析,從統計上挑選對預報對象貢獻最大且因子序列之間相關性較弱的因子,作為對預報對象影響重大的因子,最終構建回歸模型。
    [0030]優選地,所述步驟3具體為:
    [0031]步驟31、建立多元回歸預測模型;
    [0032]假定有m個預測因子x1,x2……
    x
    m
    ;多元回歸的數學模型為:
    [0033]其中:b
    i
    (i=0,1

    m)為回歸系數;
    [0034]用最小二乘準則建立回歸系數的正規方程組,求解確定回歸系數,對回歸方程的回歸效果進行檢驗,預報對象y的總離差平方和可分解為回歸平方和與殘差平方和兩部分,即
    [0035]S
    yy
    =U+Q;
    [0036]其中:S
    yy
    —離差平方和;U—回歸平方和;Q—殘差平方和;
    [0037]定義無量綱指標R,
    [0038]R稱為復相關系數,表示相關緊密的程度,用來衡量回歸效果的好壞,R越接近1,回歸效果就越好,引入統計量F檢驗對回歸效果進行檢驗;
    [0039]步驟32、建立支持向量機預測模型;
    [0040]給定未知概率密度分布總體P(x,y)的n個樣本:((x1,y1),(x2,y2),

    ,(xn, yn),式中x
    i
    為輸入,挑選的氣候因子,本文檔來自技高網
    ...

    【技術保護點】

    【技術特征摘要】
    1.一種基于優選氣候因子和精度權重系數的中長期徑流預測方法,其特征在于:它包括以下步驟:步驟1、分析氣候因子表征特性,對氣候因子進行分類;步驟2、采用相關分析法,篩選出與預測斷面徑流相關性高的因子集;步驟3、采用回歸分析、支持向量機和神經網絡方法建立中長期徑流預測模型;步驟4、計算不同模型模擬和檢驗階段的預測精度;步驟5、采用最優加權法計算不同模型的權重,建立組合預測模型。2.根據權利要求1所述的基于優選氣候因子和精度權重系數的中長期徑流預測方法,其特征在于:所述步驟1具體為:從大氣環流及遙相關的角度、以及因子和因子之間的相關性出發,將因子分為副高指數、極渦指數、經緯向環流指數、海溫指數、局地天氣系統指數、太陽指數6類:P
    m
    =(x
    m、1
    、......、x
    m、mn
    )其中:P
    m
    :第m類氣候因子,m=1、2、...、6;x
    m、mn
    :表示第m類因子的第mn個氣候因子。由于大氣環流因子在影響徑流時,具有持續性特征,在構建模型時考慮氣候因子指數的滑動平均計算,即除指數的單月值外,同時考察某項指數的多月平均值;公式為:雙月:x
    t
    =(x
    t
    +x
    t
    ?1)/2;三月:x
    t
    =(x
    t
    +x
    t
    ?1+x
    t
    ?2)/3;六月:x
    t
    =(x
    t
    +x
    t
    ?1+x
    t
    ?2+x
    t
    ?3+x
    t
    ?4+x
    t
    ?5)/6式中下標t,t
    ?
    1,t
    ?2……
    代表當月,前1月,前2月
    ……
    ,基于滑動平均的處理之后,每個因子將綜合考慮單月、雙月、三月及六月對預測對象的影響,進行統計相關分析。3.根據權利要求1所述的基于優選氣候因子和精度權重系數的中長期徑流預測方法,其特征在于:所述步驟2具體為:步驟21、因子相關性分析;收集好氣候因子后,考察物理因子與預測對象之間的相關關系,采用單相關系數來檢測相關程度,單相關系數定量反映兩個序列之間的相似程度,用r表示,表達式為:y
    t
    和x
    t
    分別是代表徑流和因子序列值,分別代表其平均值,r絕對值越接近1表示兩個變量關系越好;在考察每個因子與預報對象的相關性時,采取從起報月的前2個月往前推12個月進行逐月的單相關系數計算,每個因子得到多個相關系數,從中挑選出相關系數最高的相應序列作為該因子可能參與建模的序列;步驟22、置信檢驗;為了定量地對回歸效果進行檢驗,引入統計量F:U—回歸平方和,Q—殘差平方和,m:預報因子數;n樣本數;F服從F分布,若在給定置信度下,F>F
    α
    ,則回歸效果顯著,經過置信度檢驗的因子作為構建預測模型的備選因子;步驟23、挑選最終因子;基于步驟22挑選的備選因子,分別從物理上和統計上排除選入
    因子相互之間的關聯性,得到最終的模型采用的優選因子;一、基于備選因子,結合因子的六大分類,考慮因子之間的可能物理聯系,在進行方案構建需要排除因子之間的相關性,因此同類因子中選擇相關性最高的2
    ?
    3個因子;二、基于上述挑選的因子,利用逐步回歸分析,從統計上挑選對預報對...

    【專利技術屬性】
    技術研發人員:曹光榮舒衛民郭樂李鵬鮑正風梁志明王祥阮燕云李天成田銳
    申請(專利權)人:中國長江電力股份有限公司
    類型:發明
    國別省市:

    網友詢問留言 已有0條評論
    • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

    1
    主站蜘蛛池模板: 亚洲第一极品精品无码久久| 亚洲av无码不卡| 性生交片免费无码看人| 精品无码久久久久久久久水蜜桃 | 无码专区—VA亚洲V天堂| 精品国产V无码大片在线看| 亚洲伊人成无码综合网| 精品日韩亚洲AV无码| 本免费AV无码专区一区| 亚洲Aⅴ在线无码播放毛片一线天 亚洲av成本人无码网站 | 精品无码久久久久久久久水蜜桃 | 亚洲啪AV永久无码精品放毛片| 亚洲AV无码一区二三区| 无遮掩无码h成人av动漫| 小13箩利洗澡无码视频网站| 变态SM天堂无码专区| aⅴ一区二区三区无卡无码| 久久久g0g0午夜无码精品| 精品人妻系列无码一区二区三区| 国产精品无码久久综合| 亚洲国产精品成人AV无码久久综合影院 | 无码午夜人妻一区二区不卡视频| 亚洲AV无码久久精品蜜桃| 少妇无码太爽了不卡在线观看| 免费无码成人AV片在线在线播放| 高清无码午夜福利在线观看| 日韩网红少妇无码视频香港| 国产午夜鲁丝无码拍拍| 国产产无码乱码精品久久鸭 | 2014AV天堂无码一区 | 精品无码人妻一区二区三区| 亚洲国产AV无码专区亚洲AV| 国产av无码专区亚洲av果冻传媒| 精品久久久久久无码中文字幕 | 国产Av激情久久无码天堂| 国产AV无码专区亚汌A√| 无码人妻精品一区二区三| 亚洲av无码一区二区三区观看| 99无码人妻一区二区三区免费| 一区二区三区无码被窝影院| 无码熟妇人妻av|