[发明专利]一种基于改进CEEMDAN-QR-BL混合模型的干旱预测方法

权利要求书

1.一种基于改进CEEMDAN-QR-BL混合模型的干旱预测方法，其特征在于，该方法包括以下步骤：

步骤1，获得实时干旱数据作为原始训练样本，对原始训练样本进行自适应白噪声平均总体经验模态分解，即CEEMDAN分解，得到若干新训练样本；

步骤2，将新训练样本输入宽度学习网络的输入层，得到输出数据，所述输出数据中存在输入矩阵和增强层输出矩阵合并在一起的广义逆矩阵；

步骤3，对所述广义逆矩阵进行正交三角分解，将求解得到的矩阵作为宽度学习网络的增强层的输出权重矩阵，再次计算输出数据，即预测值，对预测值进行重组，得到输出序列。

2.如权利要求1所述的一种基于改进CEEMDAN-QR-BL混合模型的干旱预测方法，其特征在于，步骤1中获得原始训练样本后，首先对原始训练样本进行清洗，对空数据、非数值型数据进行过滤，清洗后的原始训练样本再进行CEEMDAN分解。

3.如权利要求1所述的一种基于改进CEEMDAN-QR-BL混合模型的干旱预测方法，其特征在于，步骤1中获得原始训练样本后，首先进行边界拓延，再进行CEEMDAN分解，所述边界拓延步骤如下：

(1)设原始训练样本x(t)具有n个样本，其中有m个极大值点，L个极小值点，将左端点到第二个极值点间的波形记为W₁；

(2)以W_i作为与W₁相对应的等长子波，即保证W_i左端点所对应的位置与W₁左端点所对应的位置一致；

(3)计算子波W_i与子波W₁的皮尔逊相关系数，并记为R_i，取相关系数最大的子波，将该子波前适当长度拓延到原始训练样本左侧；

(4)利用相同的原理拓延原始训练样本的右边界。

4.如权利要求1所述的一种基于改进CEEMDAN-QR-BL混合模型的干旱预测方法，其特征在于，步骤1中CEEMDAN分解的方法为：

(1)在原始训练样本x(t)中加入不同幅值的高斯白噪声n^k(t)得到若干新的训练样本：

x^k(t)＝x(t)+σ_kn^k(t)

其中，σ_k为噪声的方差；

(2)利用EMD方法对x^k(t)进行分解得到第一个IMF分量，然后计算平均值：

其中K表示模态分解个数；

(3)计算CEEMDAN的残余信号分量R_n：

(4)记E_j为对信号进行EMD分解后的第j个分量，则第二个IMF分量的获取方式为：

(5)依次类推计算第L个剩余分量为：

(6)第L+1个IMF分量为：

(7)最后，新训练样本被表示为：

5.如权利要求1所述的一种基于改进CEEMDAN-QR-BL混合模型的干旱预测方法，其特征在于，步骤2中在计算输出数据前，还将新训练样本投入线程池，以原始训练样本为基准，对线程池中的新训练样本进行相关性分析，摒弃高频噪声分量。

6.如权利要求1所述的一种基于改进CEEMDAN-QR-BL混合模型的干旱预测方法，其特征在于，步骤2中根据下式计算输出数据：

其中，X表示输入矩阵，为原始训练样本的集合，H为增强层的输出矩阵，(·)⁺表示广义逆，C为正则化参数，I为训练样本数，T为训练集。