[发明专利]平原河网水位回归预测方法

说明书

本发明公开了一种平原河网水位回归预测方法，该预测方法为首先确定研究点，然后将输入研究点数据、确定对研究点水位有可能有影响的参考影响因子组成因子集；并根据各种影响因子的意义对参考影响因子集进行分组，再输入分组后的各参考影响因子数据，构建递阶偏最小二乘回归模型，并利用该回归模型对研究点水位进行回归预测，输出回归模型，得到回归结果。本发明解决了现有的回归预测模型存在自变量之间存在多重相关性，从而影响参数估计的合理性与准确性，模型误差随着增大，破坏了模型的稳定性，继而难以准确预测平原河网水位回归的技术问题,应用于平原河网水位预报过程中，在率定期和验证期的计算水位误差符合精度要求，具有良好的预报效果。

技术领域

本发明属于水位回归预测技术领域，尤其涉及一种平原河网水位回归预测方法。

背景技术

平原河网水位变化主要受到气象因素(如降雨、气温、气压等)、上游来水影响、潮汐作用以及水利工程等众多因素共同影响。因此平原河网水位具有多年变化的趋势性、周期性和随机性，呈现出高度复杂的非线性动态高维空间，利用传统的回归预测模型难以解决如此复杂的问题。

发明内容

本发明所要解决的技术问题是：提供一种平原河网水位回归预测方法，用以解决现有的回归预测模型难以预测平原河网水位回归的技术问题。

为了达到上述技术效果，本发明采用的技术方案是：

一种平原河网水位回归预测方法，该预测方法包括已下步骤

S1.确定研究点；

S2.研究点数据输入；输入研究点数据；

S3.确定参考影响因子集：确定对研究点水位有可能有影响的参考影响因子组成因子集；

S4.参考影响因子集分组：根据各种影响因子的意义对参考影响因子集进行分组；

S5影响因子数据输入：输入分组后的各参考影响因子数据；

S6.构建递阶偏最小二乘回归模型：对每一分组中的因子调用偏最小二乘回归通用模块分析提取主成分，构建成递阶偏最小二乘的底层模型，然后对提取后的主成分调用偏最小二乘回归通用模块构建递阶偏最小二乘的顶层模型，将底层模型结果带入顶层模型，完成递阶偏最小二乘回归模型构建；

S7.输出回归模型：利用构建的递阶偏最小二乘回归模型对研究点水位进行回归预测，输出回归模型，得到回归结果。

进一步地，所述递阶偏最小二乘回归模型为根据偏最小二乘统计相关法筛选出的变量因子，通过提出五种模型输入输出向量组的方案构造模型。

进一步地，所述步骤S6构建递阶偏最小二乘回归模型中，调用偏最小二乘回归通用模块构建偏最小二乘回归模型包括以下步骤：

S61.确定建模影响因子集：挑选与关注点水位相关度最好的因子进入建模影响因子集；

S62.调用偏最小二乘回归算法，计算出回归结果；

S63.对模型进行线性关系检验—F检验，如果线性关系不显著则转入步骤S64，如果显著则转入步骤S65；

S64.调整建模影响因子集，转入步骤S62；

S65.对建模影响因子集中每个影响因子进行参数显著性检验—t检验，如果有不显著因子，则予以删除转入步骤S62；

S66.对参考影响因子集中未参与建模部分因子进行t检验，如果有影响显著因子，则加入建模影响因子集，转入步骤S62；

S67.输出相关所需成果。

进一步地，所述步骤S3确定参考影响因子集中，有可能有影响的参考影响因子主要从降雨、蒸发、水位和流量四类因子中进行选定。