[发明专利]一种基于QR-BC-ELM的洪涝灾害预测预警方法

权利要求书

1.一种基于QR-BC-ELM的洪涝灾害预测预警方法，其特征在于，包括以下步骤：

S1：基于主成因分析，提取多因素指标；

S2：构建洪水灾害风险评价体系；

S3：改进极限学习模型，构建QR分解极限学习模型和BC分解极限学习模型，将BC分解极限学习模型与地理信息系统相结合建立洪水模型，模拟洪水易发区；

S4：将多因素指标的特征工程提取后，以时序数据的形式输入到改进极限学习模型中进行各个指标对洪水的贡献程度的计算，基于改进极限学习模型得出洪水预测结果与分析；

S5：根据风险等级进行洪水风险分级预警与分析；

所述步骤S1中的所述多因素指标包括两个准则层和三个指标层内共49个计算指标；

所述步骤S2的风险评价体系评价步骤包括：

S201：采集不同水文站的最大为期三天的降水量、地形湿度指数、河流功率指数和归一化植被指数作为模型的输入，获得不同水文站之间的关联程度；

S202：根据自变观测站的指标变化情况预测因变观测站的水位变化情况；

S203：非时序数据以各自变站点的数字高程模型、土壤质地指数、坡度指数和土地利用模式作为模型的输入，以因变站点的相同指标作为输出，计算高度关联点的指标特征；

S204：将离河距离指数、河流功率指数和社会经济指数作为输入，统计和预警洪水等级与紧急程度；

所述QR分解极限学习模型的计算过程如下：

计算M*N的矩阵H的奇异值分解，其奇异值分解公式为H＝UΣV^T；

其中H^H是H的共轭转置，∑是以H奇异值λ为对角元的对角矩阵，V^T是H^H标准正交基所对应的特征向量；

所述QR分解极限学习模型将H分为Q*R，即H＝Q*R，其中Q为正交矩阵，R为上三角矩阵，求解Q的转置即可求出Q的逆矩阵；

所述BC分解极限学习模型的计算过程如下：

将A∈C^m*n分解为两个与A同秩的因子积，设矩阵A＝(a_ij)_m*n，且rankA＝r≤min(m,n)，则可以将A做满秩分解A＝BC，其中B是m*r阶矩阵，C是r*n阶矩阵，且rankB＝rankC＝r；

BC分解中矩阵A的满秩分解所做出的Moore-Penrose广义逆乘积是唯一的：C^H(CC^H)^-1(B^HB)B^H。