[发明专利]一种基于细菌觅食优化算法的中长期径流预报方法

摘要

本发明提出的一种基于细菌觅食优化算法的中长期径流预报方法，属于水文预报技术领域。该方法首先选取相关系数大且对待预报流域径流有物理影响的环流指数作为预报因子并对预报因子值归一化处理，然后选定待预报流域的历史样本并分为训练集和检验集，利用训练集对支持向量回归机SVR模型训练，采用细菌觅食优化算法确定模型的参数值并输出适应度值最大的细菌；对该细菌解码，得到SVR模型参数的最佳值和初步预测结果；将初步预测结果与检验集比较并分析误差，若误差在设定范围内，则输出最终预测结果。本发明提高了采用SVR模型的中长期径流预报方法的预测精度、泛化能力以及实用性，可以作为中长期径流预报的一种有效的方法。

主权项

一种基于细菌觅食优化算法的中长期径流预报方法，其特征在于，包括以下步骤：1)筛选预报因子：将历史的多项环流指数数据和待预报流域历史径流数据进行相关性分析，得到相应的相关系数，选取相关系数大的且对待预报流域径流有物理影响的环流指数作为预报因子，并获得相应的预报因子值；2)把步骤1)得到的预报因子值作为支持向量回归机SVR模型的输入样本，并利用公式对输入样本进行归一化处理；其中，yt、ymax、ymin分别表示选定时间段内某一时刻任意预报因子值、选定时间段内所选预报因子值中的最大值、选定时间段内所选预报因子值中的最小值，yt*即为所选时刻该预报因子的归一化值；遍历所有的预报因子值，得到每个预报因子的归一化值；3)选定待预报流域S年的径流量数据作为历史样本，将历史样本中前N年的径流量数据及对应年份的预报因子归一化值作为训练集，后M年的径流量数据及对应年份的预报因子归一化值作为检验集，S＝N+M，N＞M，S、N、M均为正整数；4)利用步骤3)得到的训练集对SVR模型进行训练，采用细菌觅食优化算法确定SVR模型中误差惩罚参数C、核参数σ和不敏感损失系数ε三个参数的值：将训练集的每个样本作为一个细菌，单个细菌由取值范围内的C,σ,ε二进制值排序排列组成，分别计算每个细菌的适应度值，通过细菌觅食优化算法的三种行为对细菌适应度值进行评估以后得到满足条件的适应度值最大的细菌；5)解码适应度值最大的细菌，即将细菌二进制的表示形式转换成十进制数值形式，得到SVR模型参数C,σ,ε的最佳值；6)将C,σ,ε的最佳值输入SVR模型中进行训练，得到SVR模型的初步预测结果；7)将步骤3)中选定的检验集与步骤6)中得到的初步预测结果进行比较，分析误差，若误差不在设定范围内，则调整细菌觅食优化算法中三种行为的执行次数，重新返回步骤4)；若误差在设定范围内，则输出最终预测结果。