[发明专利]基于互信息和主成分分析筛选因子的中长期预报方法

说明书

本发明公开了一种基于互信息和主成分分析筛选因子的中长期预报方法，涉及水文预报领域。该方法，首先基于互信息的因子筛选方法分析出对预测径流影响较大的预报因子，进而运用主成分分析法提取这些因子的主成分，实现了对预报模型预报因子的优选，该方法充分考虑到了两个变量之间线性和非线性的关系，又舍去了重叠部分的信息，减少了原来变量的个数，典型地表明了研究对象的特征，所以，得到的中长期径流预报模型相比于传统方法预报效果更好，模型稳定性更高。

技术领域

本发明涉及水文预报领域，尤其涉及一种基于互信息和主成分分析筛选因子的中长期预报方法。

背景技术

科学合理地开展中长期水文预报，是流域水资源管理和开发利用的基础，对促进社会经济发展，具有非常重要的意义。

目前，中长期水文预报方法主要包括时间系列法、模糊数学方法、人工神经网络法、灰色系统方法、小波分析法、混沌理论方法、支持向量机法、最优组合预测方法等。其中，人工神经网络作为一种高度并行径向基网络，具有很强的非线性映射能力，适用于解决各种非线性、模糊性、不确定性等问题，广泛地应用于中长期水文预报并取得了较好的效果。然而，由于影响中长期径流的因素具有复杂性、多样性的特点，如何从大量因子中选择合适流域的径流预报因子，成为影响人工神经网络模型精度的关键因素之一。目前经常使用的因子筛选方法有：相关系数法、基于互信息的因子筛选方法和主成分分析法。然而采用互信息筛选因子难于避免出现输入变量过多，导致样本观测误差随之增加，网络结构复杂性也将增加，不利于神经网络模型稳定性的提高，而主成分分析虽然能够提取预报因子的主要信息部分，但是大多停留在线性相关分析上，不足以揭示径流形成的复杂变化机理。

发明内容

本发明的目的在于提供一种基于互信息和主成分分析筛选因子的中长期预报方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于互信息和主成分分析筛选因子的中长期预报方法，包括如下步骤：

S1，收集水文数据；

S2，根据所述水文数据，采用互信息和主成分分析法筛选预报因子；

S3，遍历待筛选的预报因子，采用互信息技术计算每个待筛选的预报因子和预报对象之间的关联度，将关联度大的待筛选的预报因子作为备选因子；

S4，对S3中得到的备选因子进行主成分分析，并将结果中满足85％贡献率产生的新的预报因子作为模型的最终预报因子；

S5，将S4中得到的最终预报因子输入BP人工神经网络模型，通过设置模型参数结构，对水库进行年入库径流预报，并对预报结果进行统计分析，得到预报结果好的预报模型，将其用于未来时段的径流预报中。

优选地，S1中，所述水文数据包括多年的径流、降雨和130项大气环流指数。

优选地，S2中，所述预报因子包括如下的内容：相关因子、统计时段和统计值类型，其中，所述相关因子包括：径流、降雨和130项大气环流指数，所述统计时段为相关因子观测值的统计时间段，所述统计值类型为统计时段内相关因子观测值的统计方式，包括：最大值、最小值、平均值、累计值。

优选地，S3中，所述采用互信息技术计算每个待筛选的预报因子和预报对象之间的关联度，具体采用如下方法：

首先，

当预报因子X、预报对象Y相互独立，且预报因子X、预报对象Y均为随机变量时，其联合分布密度为：

P_X,Y(x,y)＝P_X(x)P_Y(y) (1)