[发明专利]基于聚类分析和实时校正的洪水预报方法

摘要

本发明公开了基于聚类分析和实时校正的洪水预报方法，步骤为：一是利用主成分分析(PCA)对模型的输入做降维处理。二是利用K‑means聚类方法对原始数据进行聚类分析。将洪水数据划分为不同的类别，然后训练不同的SVM模型，当输入测试样本，利用聚类质心判断该测试样本所属的类别，并用对应的模型对其进行预测，得到预测值q；三是BP神经网络实时校正。计算预测值与真实值的误差序列，利用误差序列数据训练BP神经网络误差校正模型，得到误差校正值qe，最终预报结果为模型预报值q加上误差预报值qe。本发明的优点在于：通过聚类分析将原始水文数据分为几类，分别训练模型，实现多模型预报；然后通过BP神经网络实现实时校正提高了洪峰时刻预报准确率。

主权项

基于聚类分析和实时校正的洪水预报方法，其特征在于：步骤如下：第一步：采集实际河流的历史降雨量数据、历史流量数据以及对应的时间数据，并建立数据模型；第二步：对数据模型中的原始数据利用主成分分析进行降维处理，得到有效数据，将有效数据前2/3的数据作为训练样本，后1/3的数据作为测试样本；第三步：利用K‑means聚类方法对得到的训练样本进行聚类分析，将训练样本划分为k个不同类别等级；第四步：利用聚类后得到的k个类别的训练样本训练不同的SVM模型，利用交叉验证方法搜寻这k个类别的训练样本所对应的支持向量机模型中的惩罚因子c和核函数参数g，使每个支持向量机模型都达到最优，然后输入测试样本并对该测试样本进行判断其所属的类别，并用对应的SVM模型对测试样本进行预测，得到模型预测值q；第五步：计算测试样本中预测值与真实值的误差序列，利用该误差序列前2/3的数据训练BP神经网络误差校正模型，后1/3的数据测试误差矫正值，得到误差校正值qe，最终预报结果为模型预测值q加上误差校正值qe。