[发明专利]一种极端降水的定量预测方法及系统

摘要

本发明公开了一种极端降水的定量预测方法，按如下步骤进行：Ⅰ、输入模块（100）从数据库或Excel文件中读入水文测站站点原数据，并对读入的数据进行异常检测和清洗，对数据进行预处理，得到规范化的水文时间序列数据；Ⅱ、建模模块（200）针对输入模块（100）中的水文时间序列数据建立由第一预测模型（210）、第二预测模型（220）和组合BP神经网络（230）结合而成的模型；Ⅲ、校正模块（300）根据步骤Ⅱ中预测数据的优劣，对建模模块（200）中建立的预测模型进行参数调整；Ⅳ、输出模块（400）将来年极端降水预测值存储在数据库或文件中，供用户查询和分析。本发明从数据挖掘的角度对年平均极端降水量建模和预测，适用性强，并且具有较高准确率。

主权项

一种极端降水的定量预测方法，其特征在于，按如下步骤进行：Ⅰ、输入模块（100）从数据库或Excel文件中读入水文测站站点原数据，并对读入的数据进行异常检测和清洗，得到干净的水文测站时间序列数据；查看、统计、分析清洗后的水文时间序列数据，对建模需要的数据有初步的认识，然后对数据进行预处理，得到规范化的水文时间序列数据；Ⅱ、建模模块（200）针对输入模块（100）中的水文时间序列数据建立由第一预测模型（210）、第二预测模型（220）和组合BP神经网络（230）结合而成的模型，所述第一预测模型（210）通过第一小波分析模块（211）对多站点逐日水文降水数据进行小波变换、分解，得到细节信号，然后对细节信号进行逆转换，统计得到第一BP神经网络模块（212）的输入数据，通过第一BP神经网络（212）得到三项预测值；所述第二预测模型（220）通过第二小波分析模块（221）对水文单站点的年平均极端降水时间序列数据进行小波变换、分解，得到逼近信号，然后对逼近信号进行逆转换，得到数据的低频部分输入ARMA模型（222），预测来年的平均极端降水数值；所述组合BP神经网络（230）提取第一BP神经网络（212）得到的三项预测值和ARMA模型（222）中一个预测值，重新组合，作为组合BP神经网络（230）的输入数据，预测来年的极端降水数据；Ⅲ、校正模块（300）根据步骤Ⅱ中预测数据的优劣，对建模模块（200）中建立的预测模型进行参数调整，调整的参数主要包括第一BP神经网络（212）和组合BP神经网络（230）中的隐层节点数、动量系数以及小波分解尺度；Ⅳ、输出模块（400）将来年极端降水预测值存储在数据库或文件中，供用户查询和分析。