[发明专利]一种水文气象数据集成处理系统

权利要求书

1.一种水文气象数据集成处理系统，包括基于系统架构的水文气象数据预处理模块、水文气象数据分解模块、水文气象数据趋势分析模块、水文气象数据预测模块、流域径流的归因分析及潜在蒸发计算模块，其特征在于：所述水文气象数据预处理模块采用EMD-多元回归算法进行数据的插补延长，利用相关性将时序不一致的序列转化为时序一致的水文气象序列；所述水文气象数据分解模块将长时间序列进行分解，对于时间序列来说，传统的时间序列预测模型对于不平稳的数据是不能进行处理的，需要对时间序列进行分解，使得时间序列区域平稳，才可以进行时间序列的模拟预测，也可以进一步分析时间序列所包含的趋势项、季节项、周期项等分量；所述水文气象数据趋势分析模块采用MK+Sen趋势分析进行水文气象数据的趋势检验；所述水文气象数据预测模块用均生函数-最优子集回归-主成分分析-BP神经网络/长短期记忆网络(MGF-OSR-PCA-BP/LSTM)预测模型，新的水文气象预测模型加入了PCA提升了模型计算效率，同时添加了长短期记忆网络，以期更精确的结果；所述流域径流的敏感性分析及潜在蒸发计算模块主要采用质量平衡模型、布迪克水热平衡理论、FAO推荐的Penmen-Montieth公式以及弹性系数进行流域潜在蒸发和径流的敏感性分析。

2.根据权利要求1所述的一种水文气象数据集成处理系统，其特征在于：所述水文气象数据预处理模块利用EMD-多元回归算法做缺失数据的插补与延长，首先找到完整的水文气象序列，利用相关系数判断完整数据与缺失数据之间的相关性，将相关性最好的完整序列进行EMD分解，并取贡献最大的分量作为自变量，缺失序列作为因变量构建多元回归模型，最终实现数据的插补延长，将不完整的数据序列整合为完整一致的数据序列。

3.根据权利要求2所述的一种水文气象数据集成处理系统，其特征在于：所述水文气象数据预处理模块的经验模态分解方法如下：1)找到信号x(t)所有的极值点；

2)用3次样条曲线拟合出上下极值点的包络线emax(t)和emin(t)，并求出上下包络线的平均值m(t)，在x(t)中减去它，即h(t)＝x(t)-m(t)；

3)根据预设判据判断h(t)是否为IMF；

4)如果不是，则以h(t)代替x(t)，重复以上步骤直到h(t)满足判据，则h(t)就是需要提取的IMFCK(t)；

5)每得到一阶IMF，就从原信号中扣除它，重复以上步骤，直到信号最后剩余部分m就只是单调序列或者常值序列。

4.根据权利要求1所述的一种水文气象数据集成处理系统，其特征在于：所述水文气象数据分解模块包括X-11过程分解与经验正交函数分解(EOF分解)两个方法，其中：1)X-11过程分解是时间序列的确定性因素分解方法，将时间序列分解成长期趋势起伏、季节波动、不规则波动等，便于对水文气象数据进行周期、趋势等分析和短期的预报；2)经验正交函数分解将气象要素场分解为多个独立的时间系数和空间向量的线性组合，分解后的空间向量和时间系数的组合基本可以反映原始气象要素场的信息。

5.根据权利要1所述的一种水文气象数据集成处理系统，其特征在于：所述水文气象数据趋势分析模块基于Gee实现MK+Sen趋势检验方法，将Theil-Sen Median趋势分析和Mann-Kendall检验方法结合。

6.根据权利要1所述的一种水文气象数据集成处理系统，其特征在于：所述水文气象数据预测模块采用均生函数-最优子集回归-主成分分析-BP神经网络/长短期记忆网络(MGF-OSR-PCA-BP/LSTM)预测模型。