【技术实现步骤摘要】
基于多重假设检验的径流预报模型构建和径流预报方法
[0001]本专利技术涉及水文预报
,具体涉及基于多重假设检验的径流预报模型构建和径流预报方法
。
技术介绍
[0002]基于数据驱动的中长期径流预报方法一般采用大气环流
、
海温指数等多个全球水文
‑
气象因子作为径流预报的预报因子,与径流之间进行关系拟合构建径流预报模型,基于构建的径流预报模型进而实现径流的中长期预报
。
然而,由于中长期水文预报使用的数据时间尺度较大,导致数据样本较少
。
对于高维预报因子,数据样本较少时无法建立有效的预报模型
。
因此,如何从预报因子中筛选出关键预报因子,降低预报因子的维度,对于提升径流预报模型的预报精度至关重要
。
[0003]相关技术中,一般是通过计算每个预报因子与径流变化数据之间的条件互信息,条件互信息用于表征两个变量之间的关联度,将每个预报因子对应的条件互信息与预设关联度阈值进行比较,将条件互信息大于预设关联度阈值的预报因子作为关键预报因子
。
然而,预设关联度阈值一般是基于人为经验确定的,基于预设阈值筛选进行关键预报因子筛选,可能会将一些非关键预报因子错误的筛选为关键预报因子,使得筛选结果的准确性较差
。
由于筛选后得到的关键预报因子的准确性较差,会导致构建得到的模型的预报精度较低
。
技术实现思路
[0004]有鉴于此,本专利技术提供了一种基于多重假设检 ...
【技术保护点】
【技术特征摘要】
1.
一种基于多重假设检验的径流预报模型构建方法,其特征在于,所述方法包括:获取多个不同预报因子数据以及径流数据;分别计算不同预报因子数据与所述径流数据之间条件互信息的二阶近似值;基于所述不同预报因子数据与所述径流数据之间条件互信息的二阶近似值建立不同预报因子分别对应的假设检验,确定各预报因子对应假设检验的检验统计量信息;基于不同预报因子分别对应的检验统计量信息以及预设检验统计量分布确定各预报因子对应的假设检验
p
值;按照升序的方式对所述各预报因子对应的假设检验
p
值进行排序,得到排序结果;基于所述排序结果
、
各预报因子对应的假设检验
p
值
、
预设阳性错误发现率控制方法以及预设显著性水平,对不同预报因子中的关键预报因子进行筛选,得到目标关键预报因子集合;基于目标关键预报因子集合与所述径流数据构建径流预报模型
。2.
根据权利要求1所述的方法,其特征在于,基于所述排序结果
、
各预报因子对应的假设检验
p
值
、
预设阳性错误发现率控制方法以及预设显著性水平,对不同预报因子中的关键预报因子进行筛选,得到目标关键预报因子集合的步骤,包括:基于预设阳性错误发现率控制方法
、
多个不同预报因子数量以及各预报因子对应的假设检验
p
值,确定不同预报因子分别对应的第一阳性错误发现率;基于所述排序结果
、
所述不同预报因子分别对应的第一阳性错误发现率以及所述预设显著性水平确定所述多个不同预报因子中的至少一个关键预报因子,并将所述关键预报因子纳入关键预报因子集合中;基于所述关键预报因子确定剩余的预报因子;基于预设阳性错误发现率控制方法
、
剩余的预报因子数量以及各剩余的预报因子对应的假设检验
p
值,确定不同剩余的预报因子分别对应的第二阳性错误发现率;基于所述排序结果
、
所述不同剩余的预报因子分别对应的第二阳性错误发现率以及所述预设显著性水平确定所述剩余的预报因子中的至少一个关键预报因子,并将所述关键预报因子纳入关键预报因子集合中;返回确定剩余的预报因子的步骤,直至剩余的预报因子中不存在关键预报因子,得到目标关键因子集合
。3.
根据权利要求2所述的方法,其特征在于,基于所述排序结果
、
所述不同预报因子分别对应的第一阳性错误发现率以及所述预设显著性水平确定所述多个不同预报因子中的至少一个关键预报因子的步骤,包括:令
k=1
,基于所述排序结果将第1个预报因子对应的第一阳性错误发现率与所述预设显著性水平进行比对,得到第一比对结果;当所述第1个预报因子对应的第一阳性错误发现率小于所述预设显著性水平,则确定第1个预报因子为关键预报因子;令
k=k+1
,基于所述排序结果将第
k+1
个预报因子对应的第一阳性错误发现率与所述预设显著性水平进行比对,得到第二比对结果;当所述第
k+1
个预报因子对应的第一阳性错误发现率小于所述预设显著性水平,则确定第
k+1
个预报因子为关键预报因子;
返回令
k=k+1
的步骤,直至第
k+1
个预报因子为非关键预报因子,得到多个不同预报因子中的关键预报因子
。4.
根据权利要求2所述的方法,其特征在于,基于预设阳性错误发现率控制方法
、
多个不同预报因子数量以及各预报因子对应的假设检验
p
值,确定不同预报因子分别对应的第一阳性错误发现率的步骤,包括:基于所述各预报因子对应的假设检验
p
值确定不同预报因子分别对应的拒绝域;基于各预报因子对应的拒绝域
、
预设阳性错误发现率控制方法以及多个不同预报因子数量确定不同预报因子分别对应的第一阳性错误发现率
。5.
根据权利要求1所述的方法,其特征在于,分别计算不同预报因子数据与所述径流数据之间条件互信息的二阶近似值的步骤,包括:计算每个预报因子数据与所述径流数据之间对应的第一频数估计密度函数值;计算每个预报因子数据分别与其他预报因子数据之间对应的第二频数估计密度函数值,其他预报因子为多个预报因子中除当前预报因子以外的预报因子;计算每个预报因子数据
、
其他预报因子数据以及所述径流数据之间的第三频数估计密度函数值;基于不同预报因子分别对应的第一频数估计密度函数
、
第二频数估计密度函数以及第三频数估计密度函数确定所述不同预报因子数据与所述径流数据之间条件互信息的二阶近似值
。6.
根据权利要求1所述的方法,其特征在于,基于目标关键预报因子集合与所述径流数据构建径流预报模型的步骤,包括:将目标关键预报因子集合中每个关键预报因子数据与所述径流数据进行关联,得到关联数据集;基于关联数据集对预设模型进行训练,直至满足预设模型精度要求,得到所述径流预报模型
。7.
一种径流预报方法,其特征在于,所述方法包括:获取目标不同关键预报因子数据;将所述目标不同预报因子数据输入到预先构建的径流预报模型中,使得所述径流预报模型输出对应的径流变化信息,所述径流预报模型通过如权利要求1至6任一项所述的基于多重假设检验的径流预报模型构建方法构建得到
。8.
一种基于多重假设检验的径流预报模型构建装置,...
【专利技术属性】
技术研发人员:李梦杰,刘琨,梁犁丽,殷兆凯,张玮,张璐,董义阳,黄康迪,余意,
申请(专利权)人:中国长江三峡集团有限公司,
类型:发明
国别省市:
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。