[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

摘要

本发明公开了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，基于主成分分析(PCA)和动态时间弯曲(DTW)方法进行多元水文时间序列相似性匹配的组合模型构建。首先对原始数据进行同构处理，这里采用Z‑score标准化方法。接着对处理后的数据进行分段聚合近似(PAA)处理，对经过PAA处理后的数据进行PCA处理，经过这两次处理，数据在时间维度和变量维度都实现了降维。最后使用加权的DTW方法进行相似性匹配，匹配出与给定时间序列最相似的时间序列。本发明提高了相似性匹配的准确率和时间效率，为水文预报、水文数据分析提供服务，对水利信息化和水利现代化的需求有较高的应用价值。

主权项

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Xn×m；步骤3：对经过步骤2处理后的时间序列的矩阵Xn×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Xn×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。