[发明专利]一种不确定性中长期水文预报模型的建立方法

权利要求书

1.一种不确定性中长期水文预报模型的建立方法，其特征在于包括以下步骤：

(1)依据待分析的水文时间序列的基本特性，并根据原水文序列和消噪序列的相似程度选择小波函数和时间尺度范围，然后对该水文序列进行连续小波变换，并对结果进行分析，掌握水文时间序列的内在时、频结构和多时间尺度变化特性；

(2)根据连续小波变换分析结果确定时间尺度分解层数，然后进行离散小波分解；再对离散小波分解结果分别进行小波重构，将水文时间序列分解成低频序列和高频序列两部分，将低频成分重构的序列称为主序列，剩余成分重构的序列称为随机序列；

(3)依据水文时间序列的变化特性确定输入层节点数，利用试算法确定隐含层节点数，根据预报目的确定输出层节点数，然后建立相应的BP神经网络模型，对主序列进行模拟预测，得到主序列的预测值；

(4)依据水文物理成因机制，并结合流域和地区经验，选择对应的水文频率线型描述随机序列，并求得所选水文频率线型的参数值，然后求得不同频率下随机序列的频率计算值；

(5)将主序列预测值和随机序列频率计算值叠加，作为该水文序列最终的预报值。

2.根据权利要求1所述的不确定性中长期水文预报模型的建立方法，其特征在于步骤1)中时间尺度范围为水文时间序列长度的2-3倍。

3.根据权利要求1或2所述的不确定性中长期水文预报模型的建立方法，其特征在于步骤1)中对水文序列作连续小波变换结果的分析过程为：从定性的角度掌握序列的整体变化特性，确定各变化的趋势和周期所对应的时间尺度范围；然后针对每个变化趋势和周期，在对应的时间尺度范围内分别进行分析，即通过分析随时间推移时小波系数的正负性变化规律和幅值变化规律，准确掌握序列随时间推移时的具体变化特性；最后对上述得到的整体变化特性和具体变化特性进行综合和整理，得到序列由整体到局部的多时间尺度变化特性。

4.根据权利要求1或2所述的不确定性中长期水文预报模型的建立方法，其特征在于步骤3)中在对主序列模拟预测过程中，首先对不同时间尺度上的低频重构序列分别进行预测，然后叠加求得最终的主序列预测值。