[发明专利]一种识别量化控制泉流量潜在因素的方法

权利要求书

1.一种识别量化控制泉流量潜在因素的方法，其特征在于，包括以下步骤：

S1、选定研究的喀斯特地貌区域，获取区域内多组泉流量数据及驱动因素数据，并对获取的数据进行标准化；

S2、异常值检测，判断是否存在异常值，如果存在异常值，则对异常值进行处理；如果不存在异常值，则直接执行步骤S3；

S3、利用动态因素分析提取多组泉流量数据公共的潜在因素，依据在不同动态因素模型中的潜在因素对泉流量的负载大小选择主要的潜在因素；

S4、对时间序列数据进行小波分解；

S5、基于最大分解水平上的近似小波系数对潜在因素进行K-均值聚类分析；

S6、基于小波分解计算潜在因素和驱动因素的多分辨率互相关性，用多分辨率互相关系数绝对值的最大值表征两个时间序列的相似程度和联系；

S7、分析潜在因素和驱动因素之间的小波相干性；

S8、利用对应尺度上的小波能量分布和潜在因素对泉流量负载的乘积表示不同的因素对泉流量的相对贡献。

2.根据权利要求1所述的识别量化控制泉流量潜在因素的方法，其特征在于，步骤S1中数据标准化是指减去均值除以标准差对数据进行标准化。

3.根据权利要求1所述的识别量化控制泉流量潜在因素的方法，其特征在于，步骤S2中异常值是指时间序列中的值与平均值的偏差超过两倍标准差的值，使用方框图扫描泉流量和驱动因素时间序列是否存在异常值，对异常值进行处理的具体方法为：利用异常值前后对应值的均值代替异常值。

4.根据权利要求1所述的识别量化控制泉流量潜在因素的方法，其特征在于，步骤S3中动态因素分析具体为：

F_j(t)＝F_j(t-1)+η_j (2)；

其中，t表示观测时间，m表示考虑的驱动力的数量，Y_i(t)、μ_i(t)、ε_i分别表示第i个观测时间序列的泉流量时间序列、水平参数和具体误差，F_j(t)是第j个共同的潜在因素，α_i,j是第j个潜在因素对第i个泉流量时间序列的负载，η_j是状态方程公式(2)的剩余量；并且假设ε_i和η_j为白噪声，分别用协方差矩阵R和Q来表示；动态因素被R的两种结构抽取：1)方差相等的对角阵；2)方差不相等的对角阵；公式(1)和(2)中的所有参数和动态因素模型通过极大似然法和卡尔曼滤波器并且结合期望最大化算法进行测试；最优动态因素模型是根据Akaike信息准则的小样本校正值AICc进行选择；根据不同动态因素模型中的潜在因素对泉流量的负载选择较为重要的潜在因素。