[发明专利]一种集合经验模态分解及遥相关的中长期径流预报方法

摘要

本发明公开了一种集合经验模态分解及遥相关的中长期径流预报方法，涉及径流预报技术领域。与现有技术相比，该预报方法充分考虑了径流序列的非稳态性，使用集合经验模态分解的方法将径流转化为多组稳态序列，实现了水文序列稳态化，为常规的预报方法提供了最基础的数据条件。同时，该预报方法针对常规自适应中长期径流预报在物理机理方面的不足，采用遥相关数据分析的方法，分析多组稳态序列的气象影响因子，能充分剥离不同频率序列的物理因子，挖掘径流序列隐藏的物理机制，建立的预报模型提高了中长期径流预报的准确性。

主权项

1.一种集合经验模态分解及遥相关的中长期径流预报方法，其特征在于，包括如下步骤：S1，提取径流序列及响应的预报因子数据，从径流序列Q中剔除趋势项trend生成新的无趋势变化的径流序列Q'，将滞后时段t的遥相关数据D组成一系列的气象因子集合X(D,t)；S2，采用集合经验模态分解的方法将径流序列Q'分解为满足Hilbert变换要求的n层本征模态函数IMF(1),IMF(2),…,IMF(n)和一层残余项Res，组成一组自变量集合Y＝[IMF(n),Res]；S3，确定自变量集合Y相关的预报因子F(X,n+1)，包括如下步骤：S301，对不同的气象因子X(D,t)与每层本征模态函数和残余项Res进行相关性分析，得到相关因子；S302，根据得到的相关因子，判断X(D,t)和Y＝[IMF(n),Res]中每组序列的相关性，通过T检验，初步筛选每组自变量的相关性较大的气象因子；S303，根据逐步回归方法，挑选显著影响因子，最终确定每组自变量的预报因子F(X,n+1)，完成对n阶自变量Y的预报因子识别工作；S4，利用筛选出来的预报因子F(X,n+1)和已知径流分解后的IMF(1),IMF(2),…,IMF(n)、Res构建基于集合经验模态分解与遥相关数据的径流预报模型；S5，根据所述径流预报模型对下一时段的中长期径流进行预报。