一种基于相似性搜索的组合模型预测水位的方法

摘要

本发明公开一种基于相似性搜索的组合模型预测水位的方法，利用相关系数确定与待预测日相关的前几日水位作为待匹配序列，基于相似性搜索从历史数据中搜索出与待匹配序列不相似的一系列水位时间序列，将其从原始时间序列中排除后作为预测模型的训练集。该方法主要包括数据预处理，旨在填补空缺数据以及修复错误数据等；相似性搜索，利用动态弯曲距离和固定的滑动窗口技术，从往年的历史数据中剔除与待匹配序列不相似的一系列时间序列；组合预测模型，有两个基本模型：LM算法改进的BP神经网络和支持向量机，利用贝叶斯定理根据各基本模型在前一时刻的预测表现动态的调整其在当前预测中所占的比重。本发明能够实现防洪抗灾所需的高精度和实时性要求。