【技术实现步骤摘要】
基于高斯模糊信息粒的水文时间序列预测方法及系统
本公开涉及水文时间序列预测
，特别是涉及基于高斯模糊信息粒的水文时间序列预测方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。河流的水位预测是水文预报中非常重要的环节，水位的变化具有趋势性和季节性。时间序列是指同一事物或现象在不同时间(或空间)上的相继观测值排列而成的序列，序列本身蕴藏着巨大的信息量。研究时间序列主要目的是进行预测，即运用统计方法或智能技术，获得时间序列的内部演化规律，解释现在并对其未来变化趋势做出预测分析。在实现本公开的过程中，专利技术人发现现有技术中存在以下技术问题：现有的河流水位预测精度不高，不够准确。
技术实现思路
为了解决现有技术的不足，本公开提供了基于高斯模糊信息粒的水文时间序列预测方法及系统；第一方面，本公开提供了基于高斯模糊信息粒的水文时间序列预测方法；基于高斯模糊信息粒的水文时间序列预测方法，包括：获取河流的历史水文时间序列；<...
【技术保护点】
1.基于高斯模糊信息粒的水文时间序列预测方法，其特征是，包括：/n获取河流的历史水文时间序列；/n对河流的历史水文时间序列进行划分，得到若干个目标时间序列；/n对每个目标时间序列进行高斯模糊化，构造信息粒；/n基于信息粒，构建模糊预测结果；/n对模糊预测结果进行去模糊化处理，得到预测的水文时间序列。/n
【技术特征摘要】
1.基于高斯模糊信息粒的水文时间序列预测方法，其特征是，包括：
获取河流的历史水文时间序列；
对河流的历史水文时间序列进行划分，得到若干个目标时间序列；
对每个目标时间序列进行高斯模糊化，构造信息粒；
基于信息粒，构建模糊预测结果；
对模糊预测结果进行去模糊化处理，得到预测的水文时间序列。
2.如权利要求1所述的方法，其特征是，对河流的历史水文时间序列进行划分，得到若干个目标时间序列的具体步骤包括：
S201：将每个水文数据作为一根K线，处理K线的包含关系；
S202：对不存在包含关系的K线判断顶底分型；所述顶底分型，包括：底分型和顶分型；
S203：根据分型划分目标时间序列，将水文原始序列划分为若干个目标时间序列。
3.如权利要求2所述的方法，其特征是，所述S201的K线包含关系，是指：
相邻两根k线，若一根k线的最高点高于另一根k线的最高点，且最低点低于另一根k线的最低点，则判定两根k线存在包含关系。
4.如权利要求2所述的方法，其特征是，所述S201处理K线的包含关系，是指：
当一条k线的出现使得另一根k线产生包含关系时，可用一根新的只有high、low，没有open、close的新k线代替有包含关系的两根k线；
首先判断之前两根k线的关系：
如果原始两根k线呈上升趋势，则新k线high和low分别等于原始两根k线的high和low的较大值；
如果原始两根k线呈下降趋势，则新k线的high和low分别等于原始两根k线的high和low的较小值；
或者，
所述S202对不存在包含关系的K线判断顶底分型的具体步骤包括：
对于不存在包含关系的三根K线，若中间一根的高点最高，低点也最高，则三根k线构成顶分型；若中间一根的低点最低，高点也最低，则三根k线构成底分型；
或者，
所述S203中，根据分型划分目标时间序列，将水文原始序列划分为若干个目标时间序列的具体步骤包括：
若相邻的顶分型和底分型之间至少有1根非公用K线，则顶分型最高一根k线至底分型最低一根k线间构成一个目标时间序列。
5.如权利要求1所述的方法，其特征是，所述S3中，对每个目标时间序列进行高斯模糊化，构造信息粒的具体步骤包括：
S301：对每个目标时间...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。