[发明专利]基于小波分解的降雨预测方法及系统

说明书

本发明公开了基于小波分解的降雨预测方法及系统，包括：获取若干个历史降雨量时间序列和当前正进行的降雨量时间序列；从若干个历史降雨量时间序列中，筛选出与当前正进行的降雨量时间序列相关度大于设定阈值的若干个历史降雨量时间序列；对相关度大于设定阈值的若干个历史降雨量时间序列和当前正进行的降雨量时间序列，均进行分解，分别得到低频分量和高频分量；对低频分量构建VAR模型进行预测，得到低频分量预测量；对高频分量构建NAR神经网络进行预测，得到高频分量预测量；对低频分量预测量和高频分量预测量进行重构，得到降雨量的预测量。

技术领域

本申请涉及降雨预测技术领域，特别是涉及基于小波分解的降雨预测方法 及系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有 技术。

洪涝是我国最为频发的自然灾害之一，对降雨量数据准确预测能为防洪工作 提供科学的决策建议，进而改善居民生活质量，促进区域政治与经济的发展。

国内外学者对降雨预测进行了相关研究：陈晓平等以浙江省2016年1-10月 的雷达回波强度数据为例预测降雨量，分别构建随机森林模型、BP神经网络模 型及卷积神经网络模型对降雨量进行预测，预测值与真实值接近，且对较大降 雨强度拟合较好。周芸等提出了一种基于属性重要度的k近邻算法，对南京地 面观测站点2015-2018年6-8月降雨量进行预测，有效降低了降水预测的标准误 差与漏报率。但以上研究主要是针对日或月降雨数据进行预测，而正进行降雨 数据因实时测量数据较少且多为非平稳数据，其相关研究较少。

发明内容

为了解决现有技术的不足，本申请提供了基于小波分解的降雨预测方法及系 统；能根据同流域历史降雨数据与正进行降雨的实时数据，对正进行降雨进行 雨量预测。

第一方面，本申请提供了基于小波分解的降雨预测方法；

基于小波分解的降雨预测方法，包括：

获取若干个历史降雨量时间序列和当前正进行的降雨量时间序列；

从若干个历史降雨量时间序列中，筛选出与当前正进行的降雨量时间序列 相关度大于设定阈值的若干个历史降雨量时间序列；

对相关度大于设定阈值的若干个历史降雨量时间序列和当前正进行的降雨 量时间序列，均进行分解，分别得到低频分量和高频分量；

对低频分量构建VAR模型进行预测，得到低频分量预测量；对高频分量构 建NAR神经网络进行预测，得到高频分量预测量；

对低频分量预测量和高频分量预测量进行重构，得到降雨量的预测量。

第二方面，本申请提供了基于小波分解的降雨预测系统；

基于小波分解的降雨预测系统，包括：

获取模块，其被配置为：获取若干个历史降雨量时间序列和当前正进行的 降雨量时间序列；

筛选模块，其被配置为：从若干个历史降雨量时间序列中，筛选出与当前 正进行的降雨量时间序列相关度大于设定阈值的若干个历史降雨量时间序列；

分解模块，其被配置为：对相关度大于设定阈值的若干个历史降雨量时间 序列和当前正进行的降雨量时间序列，均进行分解，分别得到低频分量(d1-d5) 和高频分量(a5)；

预测模块，其被配置为：对低频分量构建VAR模型进行预测，得到低频分 量预测量；对高频分量构建NAR神经网络进行预测，得到高频分量预测量；

输出模块，其被配置为：对低频分量预测量和高频分量预测量进行重构， 得到降雨量的预测量。