[发明专利]基于主成分分析的多元水文时间序列匹配模型构建方法

权利要求书

1.一种基于主成分分析的多元水文时间序列匹配模型构建方法，其特征在于，包括如下步骤：

步骤1：对水文时间序列数据进行标准化处理，统一数据单位；

步骤2：对标准化后的时间序列应用分段聚合近似(PAA)方法，对多元时间序列进行分段，得到多元时间序列的矩阵表示X_n×m；

步骤3：对经过步骤2处理后的时间序列的矩阵X_n×m进行主成分分析；

步骤4：把步骤2得到的时间序列的矩阵X_n×m映射到特征向量矩阵上，实现降维处理，同时把特征向量的方差贡献率作为权重；

步骤5：把步骤4得到的方差贡献率作为权重，将给定的时间序列与步骤4映射后的数据使用加权的DTW方法进行相似性匹配；

步骤6：通过计算在数据集中匹配出与给定时间序列最为相似即距离最小的一个或者多个时间序列。

2.如权利要求1所述的基于主成分分析的多元水文时间序列匹配模型构建方法，其特征在于，主成分分析为：首先需要计算数据集中变量之间的协方差，得到一个协方差矩阵，再通过奇异值分解对协方差矩阵进行特征值和特征向量分解，选择累计贡献率达到预设值的前k个特征值按大小排序，并将其对应的特征向量组合成特征向量矩阵。

3.如权利要求1所述的基于主成分分析的多元水文时间序列匹配模型构建方法，其特征在于，将给定的时间序列与步骤4映射后的数据使用加权的DTW方法进行相似性匹配，即：

其中X[i:-]表示由矩阵X的第i个列向量到最后一个列向量组成的子序列。

4.如权利要求1所述的基于主成分分析的多元水文时间序列匹配模型构建方法，其特征在于，D_base(a_i,b_j)表示向量a_i和b_j之间的基距离，计算方式为：

w_i、w_j是向量a_i、b_j对应的特征向量的贡献率，这里作为权重。

5.如权利要求1所述的基于主成分分析的多元水文时间序列匹配模型构建方法，其特征在于所述步骤2中，为了保持多元水文时间序列的相关性，因此对全部相关变量同时进行分段操作，采用PAA方法，将长度为s的时间序列平均分成v段，每段序列具有相同的长度l，并且利用每段序列的均值来近似表示该序列段，是一个压缩比例为l＝s/v的数据降维过程，符合多元水文时间序列的特点。