[发明专利]一种基于时间序列的水库水位趋势预测方法

说明书

本发明公开了一种基于时间序列的水库水位趋势预测方法包括：获取水库的水位数据构成训练集和测试集；对水位数据进行滤波处理；对滤波处理后的训练集按照趋势和残差进行数据序列的区分，分别计算趋势序列和残差序列的差分阶数、自相关系数和偏相关系数；根据趋势序列和残差序列的差分阶数、自相关系数和偏相关系数建立长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型；根据长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型构建水库水位趋势预测模型采用滤波处理后的测试集验证水库水位趋势预测模型的相对误差和命中率；采用最优的水库水位趋势预测模型预测水库的水位变化趋势。

技术领域

本申请属于水位预测技术领域，具体涉及一种基于时间序列的水库水位趋势预测方法。

背景技术

水库作为拦洪蓄水和调节水流的水利工程建筑物，水库的信息获取和管理非常重要。水文数据库中存在大量时间序列数据，发现水文时间序列中蕴藏的规律，有利于掌握水文数据变化规律和趋势，在水资源管理和水文预报方面有重要的现实意义。

传统的水库水位预测通常用水库的日水位值表征，然而，单一参数或单一特征建立的水库水位预测模型皆难以准确描述实际水库水位状态，导致水文数据的实际应用效果不佳。

发明内容

本申请的目的在于提供一种基于时间序列的水库水位趋势预测方法，对水库水位的变化趋势预测准确，应用意义大。

为实现上述目的，本申请所采取的技术方案为：

一种基于时间序列的水库水位趋势预测方法，所述基于时间序列的水库水位趋势预测方法，包括：

步骤S1、获取水库的水位数据，所述水位数据包括历史水位数据和当前水位数据，采用历史水位数据构成训练集，采用当前水位数据构成测试集；

步骤S2、对所述水位数据进行滤波处理；

步骤S3、对滤波处理后的训练集按照趋势和残差进行数据序列的区分，并分别计算趋势序列和残差序列的差分阶数、自相关系数和偏自相关系数；

步骤S4、根据趋势序列和残差序列的差分阶数、自相关系数和偏自相关系数建立长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型；

步骤S5、根据长期时间序列趋势模型、季节性时间趋势模型、周期性时间趋势模型和残差项模型构建水库水位趋势预测模型，包括：

构建时间序列的函数如下：

Y＝f(TSCI)

其中，Y为时间序列的函数，T为长期时间序列趋势，S为季节性时间趋势，C为周期性时间趋势，I为残差项；

从而得到水库水位趋势预测模型Y_t为：

Y_t＝T_t+S_t+C_t+I_t

其中，T_t为长期时间序列趋势模型，S_t为季节性时间趋势模型，C_t为周期性时间趋势模型，I_t为残差项模型；

步骤S6、采用滤波处理后的测试集验证水库水位趋势预测模型的相对误差和命中率；

步骤S7、采用最优的水库水位趋势预测模型预测水库的水位变化趋势。

作为优选，所述对水位数据进行滤波处理，包括：

采用五项滑动平均滤波器对水位数据进行滤波处理，所述五项滑动平均滤波器的差分方程为：