[发明专利]一种利用K最邻近法预测径流要素的方法

说明书

本发明公开一种利用K最邻近法预测径流的方法，包括步骤：建立数据集，数据集预处理，根据数据集建立降雨径流预测模型，并利用该预测模型进行径流要素预测和查找历史相似；本发明利用非线性相关性提出一组用于预测径流要素的降雨因子，提出了一种利用K最邻近法预测径流要素的方法，包括洪峰、洪量、三天洪量、两日洪量、降雨径流系数，并得出历史相似过程；本发明所述方法不受流域产汇流时间限制，并在汛期复杂降雨情况下，可以通过较简单操作获取径流信息，具有预见期不受限制、工作量小、参数少、精度高、可靠性高等优点，大大提高了水文预报的效率。

技术领域

本发明涉及水文预报领域，具体涉及一种利用K最邻近法预测径流要素的方法。

背景技术

径流中的洪峰、洪量、三天洪量、两日洪量、降雨径流系数要素预报是水文预报中的重要环节，可用于生产实际，在防汛抗旱、水资源开发利用、水库调度都有广泛的应用，尤其洪峰为防汛抢险提供了依据，洪量及降雨径流系数是指导水库调度的决策依据。

大量关于水文预报的研究已经开展，使得我们对径流要素与其影响因素的关系有了初步了解。尽管如此，目前水文预报大多依赖于传统预报模，并且注重“峰”值预报，弱化洪“量”预报，而水量预报在水资源开发利用、大型水库调度中更占主体的指导作用。另外，传统预报模型参数较多，需要耗费大量的时间进行参数率定，并且对历史降雨径流资料要求较高，不能充分利用每一场降雨径流过程资料。

为此，迫切需要从数据挖掘角度出发提出简洁高效的新方法，深入、系统地挖掘已有的降雨径流数据，用较少的参数构建模型，实现径流主要要素的预测；并考虑水文预报不确定性，找出历史相似过程，给出预测值在历史上出现的情况，以供决策参考。

发明内容

本发明目的在于克服上述不足，在利用非线性相关性提出一组用于预测径流要素的降雨因子基础上，提出了一种利用K最邻近法预测径流要素的方法，不仅能准确预测出径流主要要素，而且能快速查找相似降雨径流过程，准确度较高，能够广泛应用于生产实际，尤其是大型水库调度。

本发明为解决上述技术问题，所采用的技术方案是：一种利用K最邻近法预测径流要素的方法，它包括以下步骤：

S1、收集已知流域的场次降雨径流数据；

S2、基于非线性相关，提出一组用于预测径流要素的降雨因子，建立数据集；

S3、对所有数据进行归一化处理，然后将处理后的数据集划分为训练集和测试集两部分；

S4、确定K最邻近回归算法，在整个训练集上建立降雨径流的初始预测模型，并测试该预测模型在测试集上的可靠性，直至预测精度满足要求，得到对应的预测模型；

S5、利用预测模型对未知径流要素预测；

S6、利用降雨因子，快速查找数据集中空间距离最邻近的历史降雨径流过程，作为相似过程，并统计径流要素的最大值、最小值、中位数、均值。

优选地，所述步骤S1包括以下步骤：

S11、选取多场已知降雨径流场次过程，包含大、中、小场次过程；

S12、根据上述过程，提取每一场降雨径流过程的5个径流要素：洪峰、洪量、三天洪量、两日洪量、降雨径流系数。

优选地，所述步骤S2包括以下步骤：

S21、计算降雨因子：提出对径流造成较大影响的四大类降雨因素，降雨量、降雨历时、降雨强度、前期影响雨量；将每一类因素分为较细的因子，降雨量包括累积降雨量、一日降雨量、两日降雨量、多日降雨量；降雨历时包括降雨天数、降雨时数；降雨强度包括：最大日降雨、最大小时降雨、最大三小时降雨；前期影响雨量包括：前10天累积降雨量、前5天累积降雨量、前3天累计降雨量；对每一场次降雨径流过程计算上述12个降雨因子；