[发明专利]基于支持向量机的钱塘江潮时预报方法

权利要求书

1.基于支持向量机的钱塘江潮时预报方法，其特征在于，该方法的具体包括以下步骤：

步骤1：读取历史涌潮到达时间t_d(n)、对应站点和闻家堰的前一次高潮位g(n-1)、g_w(n-1)，根据连续两日涌潮到达时间计算隔日时间差数据dt(n)，以分钟作为单位，

dt(n)＝t_d(n+1)-t_d(n) n＝1,2,3,... (1)

步骤2：历史高潮位数据和连续两日隔日时间差数据进行归一化处理

根据式(2)对历史高潮位数据进行归一化，

其中x_max为历史高潮位数据中的最大值，x_min为历史高潮位数据中的最小值；x为待处理的历史高潮位数据，为历史高潮位数据归一化处理后的值；

连续两日隔日时间差数据归一化处理方法为：

步骤3：根据预报日从历史数据中挑选同条件下的数据构造训练样本；

农历上，将不同年相似月的数据作为同条件下的数据，而其他不同月的数据作为不同条件下的数据；这里根据预测日期的不同而分别建立训练模型，选择的训练样本同预测日期为同条件下的数据，即选择训练样本与预测日期不同年相似月的数据；为保证训练样本与预测日的相关性足够大，选择预测日期近5年内相似月份的隔日时间差数据作为训练样本；

利用归一化后的历史数据构造训练样本，将预报日前4个连续两日隔日时间差4日中最后一次涌潮高潮水位以及相应的闻家堰高潮水位作为6个输入，第i日的隔日时间差作为输出值；以此类推可以构建输入矩阵P和目标矩阵T；因此输入矩阵P每行为6个数据，目标矩阵每行为1个数据；同样，该两矩阵均为N-3行，N为历史数据长度；

其中，i表示预测目标日的农历日序号；k表示预测目标年份序号，即k＝0表示预测年，k＝1表示预测年前一年，以此类推；

步骤4：利用训练样本训练支持向量机模型；

调用Matlab7.10.0函数库中的svmtrain函数进行支持向量机模型训练，参数包括核函数选取、损失函数ε和惩罚因子参数C的确定；支持向量机常用核函数选用RBF函数；损失函数ε取值为(0.0001～0.01)；惩罚因子参数C取值为(1～1000)；

步骤5：利用步骤4得到的支持向量机模型结合输入参数得到预测数据；

为了预测第j天的隔日时间差，将第j日的前4个连续两日隔日时间差4日中最后一次涌潮高潮水位以及相应的闻家堰高潮水位作为6个输入，调用Matlab7.10.0函数库中的svmpredict函数预测第j日的隔日时间差

步骤6：反归一化处理隔日时间差，计算预测潮时；

利用公式(5)对预测隔日时间差dt(j)_predict进行反归一化处理，通过式(6)得到预测隔日时间差绝对值

t_d,predict(j)＝t(j-1)+dt(j) (6)

t(j-1)表示第j-1日的涌潮到达时间。