[发明专利]一种基于二次分解与回声状态网络的中长期径流预测方法

权利要求书

1.一种基于二次分解与回声状态网络的中长期径流预测方法，其特征在于：包括以下步骤：

步骤一：获取径流序列x(t)，根据径流序列的数据情况，将其分为训练样本和测试样本；

步骤二：利用CEEMDAN将径流序列分解为若干IMF分量和一个Res；

步骤三：使用VMD方法对频率最高的IMF分量进行二次分解，得到若干Mode；

步骤四：将两次分解出的子序列分别输入ESN进行预测；

步骤五：将各子序列的预测结果重构，得到最终径流序列预测值。

2.根据权利要求1所述的基于二次分解与回声状态网络的中长期径流预测方法，其特征在于：步骤二所述利用CEEMDAN将径流序列分解为若干IMF分量和一个Res，具体包括以下步骤：

(1)对原始径流序列x(t)添加服从标准正态分布的白噪声序列：

x_m(t)＝x(t)+ε₀σ_m(t) m＝1,2,…,M

式中，x_m(t)为加入白噪声后的序列；ε₀为适用于x_m(t)的信噪比；M为集总次数，即实现M次经验模态分解EMD；σ_m(t)为服从标准正态分布的白噪声；

(2)对时间序列x_m(t)进行M次EMD分解，并计算总体平均值，将其定义为原始信号的第一个IMF分量，即：

式中，c_m为EMD分解得到的第m个IMF分量；c₁为第一个IMF分量；

(3)计算一阶残差r₁(t)：

r₁(t)＝x(t)-c₁(t)

(4)对一阶残差添加白噪声后再次进行EMD分解，求取平均值得到第二个IMF分量c₂(t)：

式中，ε₁为适用于r₁(t)的信噪比；E₁(·)为EMD算法产生第1个IMF分量的算子；

(5)对后面的每个阶段，k＝2,3,…,K得到的第k个余量信号r_k(t)与第(3)步相同，再重复第(4)步计算第k+1个IMF分量，即：

r_k(t)＝r_k-1(t)-c_k(t)

式中，ε_k为适用于r_k(t)的信噪比；E_k(·)为EMD算法产生第k+1个IMF分量的算子；

(6)直至残差不能再分解，从而求得最终残差R(t)：

(7)则原始序列x(t)的表达式为：

式中，K代表在给定精度下原始序列分解出的IMF分量总个数。