[发明专利]基于显式遗传算法和奇异谱分析的气象水文要素预报方法

摘要

本发明涉及一种基于显式遗传算法和奇异谱分析的气象水文要素预报方法，属于气象预报保障领域。该方法包括以下步骤：利用高精度的站点气象水文要素时间序列数据，结合奇异谱分析方法，将要素非线性时间序列分解为滤波时间序列和残余时间序列；结合遗传算法，针对要素滤波和残余时间序列，分别构建相对应的显式预报模型；结合要素滤波和残余时间序列预报模型，构建站点气象水文要素预报模型，开展预报试验。该方法仅利用过去若干时刻观测资料、计算量小、精度可靠，可为气象预报保障提供一种新的方法和资料。

主权项

一种基于显式遗传算法和奇异谱分析的气象水文要素预报方法，其特征在于包括以下几个步骤：步骤一：对站点非线性气象水文要素时间序列实施奇异谱分析分离噪音，分解为要素滤波时间序列和残余时间序列对于站点非线性气象水文要素时间序列，利用时间序列数据，构建滞后自协方差矩阵，具体形式为：其中，表示时间序列总的个数，表示滤波窗口长度；计算矩阵的协方差矩阵，具体形式为：计算协方差矩阵对应的特征值和特征向量，计算的状态向量在特征向量上的投影，具体形式为：其中，特征向量反映了序列的时间演变型，称为时间；是所反映的时间演变型在原序列的时段的权重，称为时间主成分；重构滤除噪音后的要素滤波时间序列：选择前若干个特征值和对应的特征矩阵，重构要素滤波时间序列，其中，表示截断的特征值数，由第个时间和时间主成分计算得到，具体形式为：计算要素残余时间序列：要素非线性时间序列与要素滤波时间序列之差，即；步骤二：对要素滤波和残余时间序列实施遗传算法构建显示预报模型对于站点要素滤波或残余时间序列，时间序列预报模型一般形式为：其中，表示预报模型，表示时间序列时间间隔，表示提前预报的天数，为嵌入维数，表示利用过去资料的天数，遗传算法用以最优估计预报方程，遗传算法通过对上述拟合度计算、种群排序、种群选择、复制和交叉以及变异五个过程不断进行迭代循环，直到达到迭代终止条件，迭代终止条件为，达到最大迭代次数，或者强度指数不再增加，遗传算法迭代终止后，得到最优预报模型；针对要素滤波和残余时间序列，设定合理的遗传算法参数设置，包括方程数即种群数、变量和算子可允许总数、利用过去历史资料长度范围、变异概率、最大迭代次数等，分别实施遗传算法，得到滤波和残余时间序列的预报模型，分别记为和；步骤三：利用构建的预报模型开展站点气象水文要素预报利用显式的气象水文要素滤波和残余时间序列预报模型，构建要素预报模型，基于气象水文要素预报模型，利用过去若干时次要素数据，得到要素预报时间序列，计算预报模型的均方根预报误差。