[发明专利]河流流量的预测方法

摘要

本发明涉及一种河流流量的预测方法，包括如下步骤，1：数据预处理；2：VMD模型分解；3：VMD分解结果的分量重构；4：VMD‑BP模型的集成及河流流量预测。变分模态分解是处理非平稳信号的有效方法，结合BP神经网络在处理非线性函数拟合的优势，提出和建立了基于VMD‑BP模型的河流流量预测方法。该方法将原始数据分解为多个反映数据特征的本征模态函数，进行数据的平稳化处理，进而解决水位流量数据的非线性和波动性问题，提高了预测精度。

主权项

1.一种河流流量的预测方法，其特征在于，它包括如下步骤：步骤1：将待预测河流区域的历史水位数据和历史流量数据进行多种随机组合，作为输入条件进行BP神经网络进行BP神经网络训练及预测，确定预测相对误差最小的一组输入数据{u1(t),u2(t)...un(t)}和输出数据o(t)，其中un表示第n个输入变量，t表示第t个数据；步骤2：利用VMD模型对输入数据{u1(t),u2(t)...un(t)}和输出数据o(t)分别进行平稳化处理，分解为表示输入数据{u1(t),u2(t)...un(t)}输出数据o(t)的多个分量，VMD模型分解的用于寻找输入数据{u1(t),u2(t)...un(t)}的K个分量unk(t)(k＝1,2,…,K)，使得K个分量unk(t)(k＝1,2,…,K)的宽带之和最小；得到输入数据VMD分解的分量组合{un1,un2,...，unk}及输出数据VMD分解的分量组合{o1,o2,...,ok}，其中unk表示第n个输入变量的第k个分量，ok表示输出变量的第k个分量；步骤3：利用VMD模型将输入数据{u1(t),u2(t)...un(t)}和输出数据o(t)分解后，按其对应的分解量进行重构，即将输入数据VMD分解的分量组合{un1,un2,...，unk}及输出数据VMD分解的分量组合{o1,o2,...,ok}分别按第一分量、第二分量一直到第k分量的形式进行组合，形成如以下公式所示的k组数据组合，unk表示第n个输入变量的第k个分量，ok表示输出变量的第k个分量；步骤4：将步骤3中VMD分解的分量重构得到的k组数据组合作为输入条件，分别进行BP神经网络的训练及预测，得到各个分量组合的预测值Dn，之后将每个分量组合的预测值叠加得到最终的待预测河流流量预测值D；D＝D1+D2+…+Dn。