[发明专利]一种基于EEMD的区域地下水埋深预测方法

说明书

本发明涉及一种基于EEMD的区域地下水埋深预测方法及应用，本文将集合经验模态分解、粒子群算法和极限学习机进行组合，构建了EEMD‑PSO‑ELM的地下水埋深预测模型。首先选用地下水埋深时间序列数据，然后利用EEMD将地下水埋深时序数据分解成若干个IMF分量，根据各分量均值将IMF分量分组叠加为高频部分、低频部分和余项；再针对3个新序列分别构建不同的PSO‑ELM模型，进而得到3组预测值，最后将这些预测值进行叠加，就能得到该地区的地下水埋深的预测值。通过预测精度的检验可以发现，该方法的预测效果很好；与径向基网络模型、PSO‑ELM模型和ELM模型进行对比分析，实验结果表明，EEMD和PSO算法均能有效改善ELM神经网络的预测精度，ELM神经网络在区域地下水埋深预测方面有很大的应用前景。

技术领域

本发明涉及地下水与水资源管理研究领域，尤其涉及这一种利用集合经验模态分解、粒子群算法和极限学习机的算法进行组合对区域地下水的月地下水埋模拟预测方法，以实现地下水埋深的准确预测，该系统可以为地下水开发利用提供决策依据。

背景技术

随着人口与经济的快速发展，水资源问题不断凸显，特别是以地下水为主要用水的东北平原，东北平原包括三江平原、松辽平原、松辽分水岭、辽河平原，作为中国的四大粮仓之一，其农业的发展主要受益于地下水。三江平原占东北平原很大部分，是被公认为全世界土壤最肥沃的三大黑土地之一的东北平原的核心区，其中的友谊农场也被称为中国第一农场，总面积高达1888平方千米，是一个以农业种植、畜牧养殖、农产品加工为主导产业的综合性国有农场。友谊农场中，由于现实原因，农田灌溉大多使用地下水。随着农场的不断发展，农场不断扩大农田种植（尤其是水田）面积，其地下水开采量也在不断增加。如果友谊农场继续盲目地扩大耕地面积和开采地下水，必然会破坏当地的地下水资源平衡，进而影响工农业的生产以及发展。

因此，对友谊农场乃至整个东北平原的地下水埋深进行动态模拟和预测是十分必要的，这可以为该地区的地下水管理以及农业的发展方向提供参考依据。基于此，本发明专利设计了一种基于EEMD的区域地下水埋深预测方法，以解决上述问题。

发明内容

本发明设计了一种基于EEMD的区域地下水埋深预测方法，其解决的技术问题是由于目前的地下水埋深预测的不够准确。以实现地下水埋深的准确预测，该系统可以为地下水开发利用提供决策依据。

为了解决上述存在的技术问题，本发明采用了以下方案：

一种基于EEMD的区域地下水埋深预测方法，包括以下步骤：首先选用需要预测地区的地下水埋深时间的序列数据，再利用EEMD将地下水埋深时序数据分解成若干个IMF分量，根据各分量均值将IMF分量分组叠加为高频部分、低频部分和余项；然后针对3个新序列分别构建不同的PSO-ELM模型，进而得到3组预测值，最后将这些预测值进行叠加，就能得到该地区的地下水埋深的预测值。

一种基于EEMD的区域地下水埋深预测方法，包括以下步骤：

步骤1：将研究地区地下水埋深时间序列数据预处理为时间间隔t的时间序列；

步骤2：利用EEMD将地下水埋深时序数据分解成若干个IMF分量，根据各分量均值将IMF分量分组叠加为高频部分、低频部分和余项；

步骤3：针对3个新序列分别构建不同的PSO-ELM模型，进而得到3组预测值；

步骤4：将步骤三得到的预测值进行叠加，就能得到该地区的地下水埋深的预测值；

步骤5：与径向基网络模型、PSO-ELM模型和ELM模型进行对比并对预测的精度进行检验。

进一步地，所述步骤1中，时间间隔t取一个月。

进一步地，所述步骤2中的具体步骤如下：

步骤2-1：在原始的时间序列x(t)中加入了高斯白噪声v (t)，得到新的序列；

步骤2-2：将新序列x(t)并进行EMD分解，求得IMF；