[发明专利]一种基于自适应贝叶斯模型平均的降雨预测方法

权利要求书

1.一种基于自适应贝叶斯模型平均的降雨预测方法，其特征在于：

Step1：收集气象数据生成气象数据库；

Step2：获取气象数据库，并对其中的数据进行数据清洗，提取出降雨数据；

Step3：将Step2中获取到的降雨数据存储到降雨数据库中；

Step4：获取降雨数据库中的数据，并导入到自适应降雨预测模型中进行处理；

Step5：将Step4中生成的预测模型概率导入到自适应贝叶斯模型的平均模型中进行处理；

Step6：将Step5中处理好的降雨预测值输出。

2.根据权利要求1所述的基于自适应贝叶斯模型平均的降雨预测方法，其特征在于：所述步骤Step4中，自适应降雨预测模型的具体实施步骤是：

S1：建立用于预测降雨的时变动力学模型M＝{M₁，...，M_Nm}，其中N_m表示模型总数；

S2：让每个模型系数都以随机游走的形式演化；

S3：求出第k-1步D_k-1＝{z₁，...，z_k-1}的θ_k-1的后验估计；

S4：通过协方差矩阵∑_k|k-1给出预测模型系数的不确定性和相关结构；

S5：当降雨预测值为z_k时，通过最大化后验概率密度函数p(θ_k|D_k)来更新模型系数。

3.根据权利要求2所述的基于自适应贝叶斯模型平均的降雨预测方法，其特征在于：所述步骤S1中，每个模型M_j都为符合y_k＝C_kθ_k的线性回归模型，其中y_k是第k步的降雨预测值；C_k是包含所提议的输入函数G_i(x_k-1)，i＝1，...，N_θ的行向量；x_k-1是解释输入变量(降雨值的历史参数)的向量；C_k的计算公式为：θ_k是第k步未知模型系数的参数向量，其计算公式为：

4.根据权利要求2所述的基于自适应贝叶斯模型平均的降雨预测方法，其特征在于：所述步骤S2中，随机游走的形式为：

θ_i，k＝θ_i，k-1+f_i，k-1

其中，f_i，k-1是在k-1步对系数θ_i，k-1的扰动。

5.根据权利要求2所述的基于自适应贝叶斯模型平均的降雨预测方法，其特征在于：所述步骤S3中，后验估计的计算方法为：

6.根据权利要求2所述的基于自适应贝叶斯模型平均的降雨预测方法，其特征在于：所述步骤S4中，协方差矩阵∑_k|k-1的计算公式为：

∑_k|k-1＝∑_k-1|k-1+∑_F

其中，∑_k-1|k-1是θ_k-1给定的D_k-1的协方差矩阵，而∑_F是扰动向量F_k-1的协方差矩阵。

7.根据权利要求2所述的基于自适应贝叶斯模型平均的降雨预测方法，其特征在于：所述步骤S5中，最大化后验概率密度函数的计算公式为：

其中，∑_k|k的计算公式为：