[发明专利]降水预报与支持向量机耦合的河道洪峰水位实时预报方法

权利要求书

1.降水预报与支持向量机耦合的河道洪峰水位实时预报方法，其特征在于该方法包括以下步骤：

步骤1：采用谱系聚类算法根据降水情况对历史数据进行分类：

①读取历史数据中N场降水过程的相关信息，包括河道附近区域各降雨量测站每小时降水量，上下游河道每小时水位量；

②根据读取历史数据计算各场降水过程的单位时间降水量如式(1)，上下游站点与预测站点的平均水位差如式(2)；

其中i表示历史降雨里的第i场降雨；K表示第i场降雨的持续时间(小时)；R_r,i(k)为第i场降雨第k小时降雨量测站r降水量；为第i场降雨降雨量测站r单位时间降水量；dZ_s,i(k)为第i场降雨第k小时上下游河道水位测点s与预测站点的水位差；为第i场降雨上下游河道水位测点s与预测站点的平均水位差；

③以区域单位时间降水量、上下游水位差作为聚类因子，定义不同场降水过程i,j之间的距离d_ij如下：

其中L表示与待测站点相关的降雨量测站总数，S表示与待测站点相关的上下游河道水位测点总数；

④对所有场次的降水过程进行聚类；

设定距离阈值，完成聚类，其中以每个聚类所有对象的均值作为聚类中心；每个聚类具有相似的降雨过程，根据降水特性选择相应的聚类以训练预测模型进行预测；

步骤2：获取上述所有降雨量测站的未来定量降水预报，以及当前时刻上下游河道各水位测点的水位；与步骤1得到的各聚类中心计算距离，选择其中距离最小的聚类作为训练样本；

步骤3：读取步骤2中得到的训练样本中n时刻河道起涨水位Z_i(n)、对应时刻相关区域前4小时的降水量R_r,i(n-1)、R_r,i(n-2)、R_r,i(n-3)、R_r,i(n-4)、对应时刻的未来降水量R_r,i,f(n)以及对应时刻未来降水的持续时间T_r,i,f(n)，计算洪峰与该时刻的水位涨差dZ_f(n)；

dZ_f(n)＝Z_f-Z(n) (4)

步骤4：利用主成分分析方法对训练样本中降水量、起涨水位、降水持续时间数据降维；

步骤5：构造训练样本：

利用步骤4降维后的特征向量的前N行构建支持向量机的输入矩阵P，利用水位涨差构建支持向量机的目标矩阵Y；

其中E_N＝[I_N 0_N]，y_k＝[dZ_f(k)]；

步骤6：利用以步骤5构造的训练样本训练支持向量机模型；

步骤7：利用步骤6得到的支持向量机模型结合输入参数得到预测数据；

以步骤4降维后的特征向量的第N+1行作为输入，调用Matlab7.10.0函数库中的svmpredict函数预测当前洪峰涨差

洪峰水位Z_f(j)为

2.如权利要求1所述的降水预报与支持向量机耦合的河道洪峰水位实时预报方法，其特征在于步骤(4)具体是：

①建立特征矩阵X

其中m是特征数，x_l表示第l个历史数据样本的特征参数向量，x_now表示当前要预测时刻的特征参数向量；

②对矩阵X按列进行去均值处理，得到特征值矩阵X₀；

③求其协方差矩阵：M＝X₀·X'₀，其中X'₀为X₀的转置矩阵；

④求协方差矩阵M的特征值λ_i(i＝1,2,...,m)，λ₁＞λ₂＞...＞λ_m和相应的特征向量p₁，p₂，...，p_m；

⑤根据前v个主成分量p₁，p₂，...，p_v的累积贡献率，获取v；

θ取值95％以上，即取v个主元包含原始数据95％以上的信息，用v个主元表征原始信息。