中长期径流的预报因子识别方法、中长期径流的预测方法技术

本发明专利技术提出了中长期径流的预报因子识别方法、中长期径流的预测方法。该中长期径流的预报因子的识别方法包括：(1)标准化处理；(2)设定预见期，将一系列不同滞后期的标准化后的径流序列Q和气候因子集序列F组成的备选预报因子集合X，并将对应标准化后的径流序列Q作为Lasso回归中的集合Y；(3)给定一个参数λ，交叉验证并计算出预报集合Y’，将集合Y’与集合Y进行对比获得参数λ的第一评价指标；(4)选取M个不同的参数λ，对其第一评价指标进行归一化处理并对其结果相加作为评分；(5)统计每个参数λ的总评分，选出总评分最高的参数λ作为最优参数；(6)根据最优参数在步骤(3)中获得的各个气候因子的回归系数，非零的回归系数对应的气候因子被识别为预报因子。

Prediction factor recognition method for medium and long run runoff and prediction method of medium and long run runoff

The invention provides a prediction factor identification method for medium and long run runoff and a prediction method for medium and long run runoff. Including the identification method of the forecasting factors in long-term runoff: (1) standardization; (2) setting the foreseeable period, runoff will be a series of different lag of the standardized Q and climate factors in alternative forecast factor sequence of F consists of a collection of X, and the corresponding runoff series Q normalized as the Lasso regression in the collection of Y; (3) for a given parameter, cross validation and calculate the prediction set Y ', the first evaluation index will set Y \and get the parameter comparison set Y; (4) select M different parameter, normalized to the first evaluation index and the results are added as the score; (5) the total score statistics for each parameter, select the parameter with the highest total score as the optimal parameters; (6) according to the optimal parameters in step (3) regression coefficient of each factor in the climate, non zero regression coefficients corresponding The climate factor is identified as a predictor.

【技术实现步骤摘要】
中长期径流的预报因子识别方法、中长期径流的预测方法
本专利技术涉及中长期水文预报
，具体的，本专利技术涉及中长期径流的预报因子识别方法、中长期径流的预测方法。
技术介绍
中长期水文预报，是指预见期在3天到1年之间，且预见期超过流域汇流时间的水文预报，其预报变量包括水位、径流、降雨等。由于径流和水库调度直接相关，中长期径流预报最为常见也最受关注，在防洪抗旱、水库发电计划制定、水资源综合管理等水库调度决策领域发挥着重要的作用。并且，一般而言，中长期径流预报的预见期越长，就越能支持水库调度决策。在当前的研究中，由于缺乏相应预见期的可靠的气象预报，水文预报中大都采用基于数据分析的模型，滑动平均自回归(ARMA)模型、人工神经网络(ANN)和支持向量回归(SVR)等众多数据驱动模型都依次被应用到中长期水文预报中，并取得了较好的结果。其中，由于径流时间序列的非线性，ANN、SVR等非线性模型的预报效果要比ARMA模型更好。除了这些单一的模型之外，一些方法结合了不同的模型对径流时间序列进行预报并且取得了比单一模型更好的效果。但是，现有的研究大都在模型和输出结果的集合方面进行研究，而很少考虑改本文档来自技高网...

【技术保护点】
一种中长期径流的预报因子的识别方法，其特征在于，包括：(1)对径流序列和气候因子序列进行标准化处理，以便获得标准化后的径流序列Q和气候因子序列F；(2)设定并根据预见期，将包含一系列不同滞后期的所述标准化后的径流序列Q和气候因子集序列F组成的备选预报因子集合X，并将对应标准化后的径流序列Q作为Lasso回归中的集合Y；(3)给定一个参数λ，交叉验证并计算出预报集合Y’，并将所述预报集合Y’与所述集合Y进行对比，以便获得所述参数λ的第一评价指标；(4)选取M个不同的所述参数λ，对其所述第一评价指标进行归一化处理，并对所述归一化处理的结果相加后作为评分；(5)统计每个所述参数λ的所述评分的总和作为...

【技术特征摘要】
1.一种中长期径流的预报因子的识别方法，其特征在于，包括：(1)对径流序列和气候因子序列进行标准化处理，以便获得标准化后的径流序列Q和气候因子序列F；(2)设定并根据预见期，将包含一系列不同滞后期的所述标准化后的径流序列Q和气候因子集序列F组成的备选预报因子集合X，并将对应标准化后的径流序列Q作为Lasso回归中的集合Y；(3)给定一个参数λ，交叉验证并计算出预报集合Y’，并将所述预报集合Y’与所述集合Y进行对比，以便获得所述参数λ的第一评价指标；(4)选取M个不同的所述参数λ，对其所述第一评价指标进行归一化处理，并对所述归一化处理的结果相加后作为评分；(5)统计每个所述参数λ的所述评分的总和作为所述参数λ的总评分，选出所述总评分最高的所述参数λ作为最优参数；(6)根据所述最优参数在步骤(3)中获得的各个所述气候因子的回归系数，其中，非零的回归系数对应的所述气候因子被识别为所述预报因子。2.根据权利要求1所述的识别方法，其特征在于，步骤(1)和(2)中，所述径流序列为每月的当前径流数据组成的序列，所述气候因子序列为每月的74项气候因子数据组成的矩阵；所述预见期设定为1～12个月中的任一个，所述滞后期为1～24个月。3.根据权利要求1所述的识别方法，其特征在于，步骤(2)中，所述备选预报因子集合X和所述集合Y的形式如下：其中，LT为预见期，t为相对月数，Q为标准化后的径流序列，F为标准化后的气候因子序列。4.根据...

【专利技术属性】
技术研发人员：苗淼，魏加华，黄跃飞，李铁键，谢帅，田旭，白左霞，马雪，刘飞，彭飞，
申请(专利权)人：国网青海省电力公司，国网青海省电力公司经济技术研究院，清华大学，
类型：发明
国别省市：青海,63