[发明专利]一种基于GA-LSSVM模型的降水量预测方法

说明书

本发明公开了一种基于GA‑LSSVM模型的降水量预测方法，涉及降水量预测技术领域，包括以下步骤：预先获取温度廓线特征信息，并基于月尺度对每条温度廓线特征信息在预定范围内进行垂向插值；获取温度廓线特征信息均值并滑动平均，确定源区的背景温度廓线T_B；获取温度扰动廓线T，在获取月尺度的重力波势能，标定GA‑LSSVM模型将获取的重力波势能作为所述GA‑LSSVM模型的输入，进行降水量预测。本发明实现实时降水预测，不仅降水预测成本低，而且降水预测精度高，应用范围广。

技术领域

本发明涉及降水量预测技术领域，具体来说，涉及一种基于GA-LSSVM模型的降水量预测方法。

背景技术

随着人口的急剧膨胀，河流的污染程度也随之上升，如何充分利用好地球上宝贵的水资源，是人类所面临的严峻问题，降水作为水文系统循环过程中的一个非常重要的环节，在整个水循环中起着关键性的作用，而降水量在较短时间内的剧烈变化，极易引发区域环境的旱涝灾害，从而对整个区域的经济发展造成严重的危害，为此，如何更好的在较短的时间内对未来降水量进行精准预测，是目前水信息领域亟需解决的关键问题之一。

降水量的预测在近几十年取得了较大的发展，常使用的一类模型是物理统计模型，即选择的因子具有一定的物理意义，并利用前兆信息因子与后期汛期的遥相关原理，对降水的轻重程度进行划分，物理统计模型对数据的质量要求严格，区域所处地域对预测效果影响极大，在实际的使用中不够灵活，并易受不稳定因素的影响，并且其类似于线性刻画的方式，并不能很稳定的去预测降水量，存在较大的随机性。

因此亟需一种基于GA-LSSVM模型的降水量预测方法。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于GA-LSSVM模型的降水量预测方法，以克服现有相关技术所存在的上述技术问题。

本发明的技术方案是这样实现的：

一种基于GA-LSSVM模型的降水量预测方法，包括以下步骤：

步骤S1，预先获取温度廓线特征信息，并基于月尺度对每条温度廓线特征信息在预定范围内进行垂向插值；

步骤S2，获取温度廓线特征信息均值并滑动平均，确定源区的背景温度廓线T_B；

步骤S3，获取温度扰动廓线T，其中包括通过二次项拟合趋势；

步骤S4，获取月尺度的重力波势能，其中包括标定重力波势能和标定浮力频率的平方；

步骤S5，标定GA-LSSVM模型；

步骤S6，将获取的重力波势能作为所述GA-LSSVM模型的输入，进行降水量预测。

进一步的，所述预定范围包括在10km-50km的范围内进行分辨率为200m的垂向插值。

进一步的，步骤所述获取温度廓线特征信息均值并滑动平均，包括以下步骤：

预先剔除超出[-100,+10]摄氏度范围的温度廓线特征信息；

通过3sigma准则(三西格玛准则)对温度廓线特征信息进行预处理。

进一步的，步骤所述温度扰动廓线T，包括以下步骤：

将原始所述温度廓线特征信息减去所述背景温度廓线T_B，获取温度扰动廓线T。

进一步的，包括以下步骤：

标定带通宽度为2-10km的六阶巴特沃斯滤波器；

滤除重力波之外的其它波；