[发明专利]基于传播时间聚类分析的多模型集成洪水预报方法

摘要

本发明公开了一种基于传播时间聚类分析的多模型集成洪水预报方法，属于水文预报技术领域。首先采用派生的动态时间弯曲匹配方法进行洪水过程相似性分析，估计上下游各站点的流量传播时间，并通过对流量传播时间进行聚类分析将样本分解为若干簇，然后分别对子流量序列建立SVM回归模型模拟洪水形成过程，最后再将这些子模型合并成一个综合模型。将该方法的综合预测结果与常规条件下的单一模型和基于流量聚类的模型预测结果相比较，结果显示该模型综合表现更佳。

主权项

基于传播时间聚类分析的多模型集成洪水预报方法，首先根据历史流量/水位数据建立包含多个子模型的洪水预报综合模型，然后利用所建立的洪水预报综合模型进行洪水预报；其特征在于，具体包括以下步骤：步骤1、对于目标站点的历史流量/水位数据中的每个流量/水位数据，利用各上游站点与目标站点之间的流量传播时间构造对应于该流量/水位数据的传播时间向量，目标站点的历史流量/水位数据中的所有流量/水位数据所对应的传播时间向量构成传播时间向量集合；步骤2、对所述传播时间向量集合进行聚类，得到k个簇，并对聚类得到的每个簇分别进行以下处理：对于每一个上游站点，统计该簇中所包含的该上游站点与目标站点之间的流量传播时间的分布情况，并将出现频次最低的部分流量传播时间剔除，剩余的流量传播时间作为该簇中该上游站点的可用流量传播时间，最终得到该簇中各上游站点的可用流量传播时间；步骤3、构建k个训练样本集，k个训练样本集与步骤2得到的k个簇一一对应，k为聚类得到的类别数；其中任意一个训练样本集中的训练样本按照以下方法得到：选取一组目标站点的历史流量/水位数据分别作为该训练样本集中各训练样本的输出；对每一个训练样本的输出，根据其所属训练样本集所对应的簇中各上游站点的可用流量传播时间，从各上游站点的历史流量/水位数据中确定相应的流量/水位数据，并结合相应的雨量输入信息及目标站点的预见期前的历史流量/水位数据，构成该训练样本的输入；步骤4、利用所构建的k个训练样本集各自对预测模型进行训练，得到k个预测子模型，这k个预测子模型共同构成洪水预报综合模型；步骤5、根据测试样本按照以下方法从洪水预报综合模型中选择相应的预测子模型：对测试样本中目标站点的流量/水位数据，利用各上游站点与目标站点之间的流量传播时间构造对应于该流量/水位数据的传播时间向量，并从步骤2中聚类得到的各个簇中选出簇中心与该传播时间向量的距离最小的簇，距离最小的簇所对应的预测子模型即为所选择的预测子模型；步骤6、以所述测试样本作为输入，利用所选择的预测子模型进行目标站点的洪水预报。