The present invention discloses the mining technology of meteorological factors and data based on the long-term runoff forecast method. The method comprises the following steps: 1, determine the types of pre primary forecasting factors affecting the long-term runoff, correlation calculation all categories of primary predictors and historical sequence forecast object sequence number, then according to the stepwise regression method, extract the high correlation and the variance contribution factor as the final prediction factor; 2, construct a variety of forecasting model based on data mining technology, the history of the final prediction factor sequence and forecast object sequence as the input and output of different forecasting models, the training of the forecasting model; 3, according to above various forecast runoff forecasting model respectively, using the optimal combination weighting theory. Integrated multi model prediction results. The method of the invention can be widely applied to forecast the water resources in the forecast period of ten days, months, seasons, years and years.
【技术实现步骤摘要】
基于前期气象因子与数据挖掘技术的中长期径流预报方法
本专利技术涉及水文预报
,具体涉及一种与前期气象因子耦合的基于数据挖掘技术的中长期径流预报方法。
技术介绍
中长期径流预报是水利水电工程设计、施工和运行管理的重要依据,是实现水资源科学调配、提高水资源利用效率的基础性关键技术,对水资源的调度管理和优化配置具有重要的支撑意义。由于长期的水文要素受到气候、下垫面、人类活动等诸多因素的综合影响和制约,其变化情况错综复杂,且具有较大的时间、空间上的不确定性、不稳定性,故对于一个具体的径流序列,往往从其周期性、趋势性、随机性、区域性、跳跃性等多方面角度出发分析,通过不断尝试、不断验证等步骤,找到适合的预报因子和预报模型。目前,在中长期方面的预报理论与方法上的研究突破较少,且往往缺少物理成因的综合考虑。整体而言,中长期径流预报研究仍处于起步阶段,相对于短期径流预报(实时洪水预报)而言,发展较缓慢,且落后于生产实际的要求。目前,中长期径流预报一般分为预报因子识别、预报模型构建和预报模型应用三个方面。由于其特殊性与困难性,预报方法多以统计方法为主,如时间序列模型、回归分析模型、模糊分析模型、灰色系统模型等。现有的这些方法主要存在着两大问题;(1)预报因子的识别缺乏物理背景,且甄选方法与结果的不确定性较大。(2)预报模型较为单一,预报结果的不稳定性较高。近年来,随着新数学方法的涌现与计算机技术的不断提高,大数据挖掘技术得到了快速发展,并对生产生活产生了深远影响。水文是一个数据驱动型的行业,随着水文数据规模的指数型扩增,其潜在的应用价值不断凸显。如何从水文大数据中挖掘出 ...
【技术保护点】
基于前期气象因子与数据挖掘技术的中长期径流预报方法,其特征是,包括以下步骤:步骤S1,确定影响中长期径流的各类前期初选预报因子,计算所有类别初选预报因子序列与历史预报对象序列的皮尔逊相关系数,再根据逐步回归方法,提取出相关性高、方差贡献大的因子作为最终预报因子;步骤S2,构建多种基于数据挖掘技术的预报模型,将历史最终预报因子序列与预报对象序列作为不同预报模型的输入与输出,训练各预报模型;步骤S3,依据以上多种预报模型分别进行径流预报,利用最优组合赋权理论,综合集成多模型预报结果。
【技术特征摘要】
1.基于前期气象因子与数据挖掘技术的中长期径流预报方法,其特征是,包括以下步骤:步骤S1,确定影响中长期径流的各类前期初选预报因子,计算所有类别初选预报因子序列与历史预报对象序列的皮尔逊相关系数,再根据逐步回归方法,提取出相关性高、方差贡献大的因子作为最终预报因子;步骤S2,构建多种基于数据挖掘技术的预报模型,将历史最终预报因子序列与预报对象序列作为不同预报模型的输入与输出,训练各预报模型;步骤S3,依据以上多种预报模型分别进行径流预报,利用最优组合赋权理论,综合集成多模型预报结果。2.根据权利要求1所述的基于前期气象因子与数据挖掘技术的中长期径流预报方法,其特征是,前期初选预报因子包括74项环流指数、北太平洋海温场和500hPa高度场三类数据。3.根据权利要求1所述的基于前期气象因子与数据挖掘技术的中长期径流预报方法,其特征是,初选预报因子序列包括不同种类、不同时间提前量、不同经纬度的...
【专利技术属性】
技术研发人员:梁忠民,郦于杰,唐甜甜,王军,杨靖,刘甜,
申请(专利权)人:河海大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。