[发明专利]一种不确定性中长期水文预报模型的建立方法

摘要

本发明公开了一种不确定性中长期水文预报模型的建立方法，其将小波分析方法(WA)，人工神经网络(ANN)和水文频率分析法(HFA)联合使用，建立了不确定性中长期水文预报模型：即在应用WA揭示水文序列多时间尺度变化特性的基础上，将原序列分为主序列和随机序列两部分，然后利用ANN对主序列进行模拟预测，对随机序列进行水文频率分析，最后将两部分结果叠加作为最终预测值。该模型用于黄河河口地区作中长期水文预报，并与传统方法作对比，结果显示：该模型能同时揭示序列的时、频结构和变化特性；预报值结果精度高；且合格率高；能定量分析和描述水文不确定性因素对预报结果的影响，可得到不同频率对应水文序列的模拟预测值。

主权项

1、一种不确定性中长期水文预报模型的建立方法，其特征在于包括以下步骤：(1)依据待分析的水文时间序列的基本特性，并根据原水文序列和消噪序列的相似程度选择小波函数和时间尺度范围，然后对该水文序列进行连续小波变换，并对结果进行分析，掌握水文时间序列的内在时、频结构和多时间尺度变化特性；(2)根据连续小波变换分析结果确定时间尺度分解层数，然后进行离散小波分解；再对离散小波分解结果分别进行小波重构，将水文时间序列分解成低频序列和高频序列两部分，将低频成分重构的序列称为主序列，剩余成分重构的序列称为随机序列；(3)依据水文时间序列的变化特性确定输入层节点数，利用试算法确定隐含层节点数，根据预报目的确定输出层节点数，然后建立相应的BP神经网络模型，对主序列进行模拟预测，得到主序列的预测值；(4)依据水文物理成因机制，并结合流域和地区经验，选择对应的水文频率线型描述随机序列，并求得所选水文频率线型的参数值，然后求得不同频率下随机序列的频率计算值；(5)将主序列预测值和随机序列频率计算值叠加，作为该水文序列最终的预报值。