[发明专利]基于多因子小波神经网络模型的水文时间序列预测方法

权利要求书

1.一种基于多因子小波神经网络模型的水文时间序列预测方法，该方法首先根据待预测的水文时间序列建立小波神经网络水文时间序列预测模型，然后按照建立的预测模型进行水文时间序列预测，其特征在于，所述小波神经网络水文时间序列预测模型为多因子小波神经网络水文时间序列预测模型，以多时间序列信息作为输入，不仅包括预测目标时间序列的当前小波系数，还包括与此时间序列相关的其它时间序列的当前小波系数。

2.如权利要求1所述基于多因子小波神经网络模型的水文时间序列预测方法，其特征在于，所述与预测目标时间序列相关的其它时间序列，是根据其与预测目标时间序列之间互信息作为评判两者相关性的度量，互信息值较大，则相关性强；具体按照以下方法确定：

步骤1、提供与待预测序列O可能有关的若干原始输入序列I1,I2,…,In，n是输入序列数目；

步骤2、对待预测序列O和原始输入序列I1,I2,…,In进行离散化，得到离散序列Do,D1,D2,…,Dn；

步骤3、分别计算Do与D1,D2,…,Dn之间的互信息，结果记为M1,M2,…,Mn;

步骤4、根据M1,M2,…,Mn，选择Mi>Th的原始输入序列Ii作为待预测序列小波神经网络建模时的相关序列，i为1到N之间的整数；Th为预先设定的阈值。

3.如权利要求2所述基于多因子小波神经网络模型的水文时间序列预测方法，其特征在于，采用等概率划分法对待预测序列O和原始输入序列I1,I2,…,In进行离散化。

4.如权利要求2所述基于多因子小波神经网络模型的水文时间序列预测方法，其特征在于，所述阈值Th的值为0.15。

5.如权利要求1—4任一项所述基于多因子小波神经网络模型的水文时间序列预测方法，其特征在于，所述多因子小波神经网络水文时间序列预测模型中所使用的小波函数按照以下方法确定：

步骤1、分别使用待选的小波函数构建小波神经网络水文时间序列预测模型并进行预测；

步骤2、对于每一种待选的小波函数，分别按照以下方法得到相关系数向量：

对不同水平上的小波分解序列，分别统计预测目标时间序列的小波序列自相关系数，以及预测目标时间序列和与预测目标时间序列相关的其它时间序列的小波系数序列的相关系数；最后采用加权的方法综合各个水平上的相关系数，得到相关系数向量；

步骤3、根据采用各小波函数预测所得到的相关系数向量，确定最终使用的小波函数。

6.如权利要求5所述基于多因子小波神经网络模型的水文时间序列预测方法，其特征在于，两个时间序列的相关系数，按照以下方法得到：

假设两个时间序列分别为                                                、，时间序列的长度为N；则这两个时间序列之间的相关系数按照下式计算，

  ，

式中，是两个序列时滞为T的相关系数，是第一个序列的均值，是第二个序列的均值；

单个时间序列的时滞为T的自相关系数，按照以下方法得到：

将该时间序列向右移动T个位置生成一个新的时间序列，然后按照上式计算该时间序列与新生成的时间序列的相关系数，得到的相关系数即为该时间序列时滞为T的自相关系数。