一種預(yù)測(cè)強(qiáng)降雨及洪澇災(zāi)害的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明一種預(yù)測(cè)強(qiáng)降雨及洪澇災(zāi)害的方法，屬于大數(shù)據(jù)安全分析領(lǐng)域，具體涉及 應(yīng)用模糊減法聚類(lèi)算法、統(tǒng)計(jì)學(xué)習(xí)、選擇性結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論從和類(lèi)簇投影方法建立預(yù) 測(cè)數(shù)學(xué)模型。
【背景技術(shù)】
[0002] 洪澇災(zāi)害是當(dāng)今世界上給人類(lèi)帶來(lái)?yè)p失最大的自然災(zāi)害之一。我國(guó)是洪澇災(zāi)害的 重災(zāi)區(qū)，20世紀(jì)90年代以來(lái)，由洪澇災(zāi)害帶來(lái)的經(jīng)濟(jì)損失占全部自然災(zāi)害損失的62%，相 當(dāng)于同期GDP的1. 55%。我國(guó)的災(zāi)害性洪水主要由暴雨形成，夏季暴雨災(zāi)害多為季節(jié)性暴 雨。構(gòu)建暴雨洪澇災(zāi)害預(yù)報(bào)預(yù)警系統(tǒng)，為政府提供實(shí)時(shí)、直觀(guān)的暴雨預(yù)報(bào)預(yù)警服務(wù)，在防災(zāi) 減災(zāi)方面具有重要意義。
[0003] 針對(duì)上述問(wèn)題，本發(fā)明提供了一種強(qiáng)降雨及洪澇的預(yù)測(cè)方法，根據(jù)歷史各月的降 雨總量數(shù)據(jù)，通過(guò)基于模糊減法聚類(lèi)算法、統(tǒng)計(jì)學(xué)習(xí)、選擇性結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論以及類(lèi)簇 投影相結(jié)合的方式預(yù)測(cè)將來(lái)月的能引發(fā)洪澇的強(qiáng)降雨量。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述問(wèn)題，本發(fā)明提供了一種強(qiáng)降雨及洪澇的預(yù)測(cè)方法，根據(jù)歷史各月的降 雨總量數(shù)據(jù)，通過(guò)基于模糊減法聚類(lèi)算法、統(tǒng)計(jì)學(xué)習(xí)、選擇性結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論以及類(lèi)簇 投影相結(jié)合的方式預(yù)測(cè)將來(lái)月的能引發(fā)洪澇的強(qiáng)降雨量。
[0005] 本發(fā)明具體采用如下技術(shù)方案：
[0006] -種預(yù)測(cè)強(qiáng)降雨及洪澇災(zāi)害的方法，其流程如圖1所示，具體包括以下步驟：
[0007] 步驟1.采集事件時(shí)序列數(shù)據(jù)；
[0008] 針對(duì)需要預(yù)測(cè)的地區(qū)，采集該地區(qū)歷年每個(gè)月的總降雨量，并按時(shí)間順序依次記 為χ(1)、χ(2)、"·、χα)、…，其中X(I)為第一個(gè)月的總降雨量，x(t)為第t個(gè)月的總降 雨量，由此構(gòu)建序列x r=[x⑴、χ(2)、…、x(t)、···];
[0009] 步驟2.構(gòu)造樣本集；
[0010] 針對(duì)步驟1所采集的降雨量數(shù)據(jù)，在特征空間上構(gòu)造樣本集S :將序列&的前n+1 個(gè)元素設(shè)定為初始滑動(dòng)窗口，將滑動(dòng)窗口內(nèi)的n+1個(gè)元素記為一個(gè)行向量后將滑動(dòng)窗在序 列X r中向右移動(dòng)一個(gè)元素位置，按上述過(guò)程遍歷整個(gè)序列Xy由此得到m個(gè)行向量構(gòu)成樣本 集S，其中第i個(gè)行向量的前η個(gè)元素記為X i= [Xil，…，xin]，X= [X1，…，Χ;，···]τ，第n+1個(gè) 元素記為 Yi = y i，Y =[…，Yi, ···]'具體為 S = (XiXYi= (X u，…，xin;y ;) IxijG R，y R， I ^ i ^ m, I ^ j ^ η}；
[0011] 步驟3.從樣本集S中選取多個(gè)相鄰行向量作為訓(xùn)練集，剩余行向量作為驗(yàn)證集， 其中訓(xùn)練集中的行向量個(gè)數(shù)優(yōu)選不少于10個(gè)；
[0012] 步驟4.采用模糊減法聚類(lèi)算法將所述訓(xùn)練集聚類(lèi)，其中所需的類(lèi)簇個(gè)數(shù)K由選擇 性結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論即SSRM確定；
[0013] 步驟5.根據(jù)類(lèi)簇型心在空間X上的投影，構(gòu)造簇函數(shù)f(x):

[0016] 是第j個(gè)類(lèi)簇的中心，
[0017] ^是第j個(gè)類(lèi)簇的方差，
[0018] % el是第j個(gè)類(lèi)簇的權(quán)值，
[0019] P (ck I rj)是在第j個(gè)類(lèi)簇的條件下，模糊規(guī)則k發(fā)生的概率；
[0020] 步驟6.已知序列中連續(xù)η個(gè)月的總降雨量數(shù)據(jù)構(gòu)成的向量記為X = [x(t+l)、 X (t+2)、…、X (t+n)]，按照近鄰原則確定向量X所屬的類(lèi)簇，再將向量X帶入步驟5所得 的簇函數(shù)即可確定第（t+η+Ι)個(gè)月的總降雨量預(yù)測(cè)值y t+n+1= f k(x);同理，將向量X' = [x(t+2)、x(t+3)、…、x(t+n+l)]帶入所述簇函數(shù)可確定第（t+n+2)個(gè)月的總降雨量預(yù)測(cè) 值；
[0021] 按上述方法進(jìn)行迭代計(jì)算，即可獲得所需預(yù)測(cè)的某年某月的總降雨量預(yù)測(cè)值 Υtarget，
[0022] 步驟7.設(shè)定強(qiáng)降雨及洪澇災(zāi)害的降雨量閾值，若步驟6所得總降雨量預(yù)測(cè)值 yt"gJi到相應(yīng)閾值，則認(rèn)為該月會(huì)發(fā)生強(qiáng)降雨或洪澇。
[0023] 與現(xiàn)有技術(shù)相比，本發(fā)明一種基于模糊減法聚類(lèi)算法、統(tǒng)計(jì)學(xué)習(xí)、選擇性結(jié)構(gòu)風(fēng)險(xiǎn) 最小化理論以及類(lèi)簇投影方式結(jié)合的預(yù)測(cè)強(qiáng)降雨及洪澇方法的有益效果是：
[0024] 1、本發(fā)明使用模糊聚類(lèi)算法對(duì)訓(xùn)練集進(jìn)行聚類(lèi)，且類(lèi)簇個(gè)數(shù)由選擇性結(jié)構(gòu)風(fēng)險(xiǎn)最 小化理論確定，使得聚類(lèi)結(jié)果更加準(zhǔn)確；
[0025] 2、本發(fā)明根據(jù)類(lèi)簇型新心在空間X上的投影，使得構(gòu)造的簇函數(shù)更加有效；
[0026] 3、本發(fā)明結(jié)合模糊減法聚類(lèi)算法、統(tǒng)計(jì)學(xué)習(xí)、選擇性結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論和類(lèi)簇 投影方式，保證檢測(cè)結(jié)果的有效性和準(zhǔn)確性。
【附圖說(shuō)明】
[0027] 圖1是本發(fā)明強(qiáng)降雨及洪澇預(yù)測(cè)方法流程圖；
[0028] 圖2是本發(fā)明實(shí)施例中實(shí)際總降雨量數(shù)據(jù)的可視化圖；
[0029] 圖3是本發(fā)明實(shí)施例中強(qiáng)降雨對(duì)應(yīng)年月的可視化圖；
[0030] 圖4是本發(fā)明實(shí)施例中1951. 1-1965. 12間的數(shù)據(jù)作為訓(xùn)練樣本集，所得到的強(qiáng)降 雨預(yù)測(cè)值與實(shí)際值對(duì)比圖；
[0031] 圖5是本發(fā)明實(shí)施例中對(duì)1966年1月至1966年12月的總降雨量進(jìn)行預(yù)測(cè)所得 的預(yù)測(cè)值與實(shí)際值的對(duì)比圖；
[0032] 圖6是本發(fā)明實(shí)施例中對(duì)1969年的12個(gè)月進(jìn)行強(qiáng)降雨量預(yù)測(cè)及其與實(shí)際值的對(duì) 比圖；
[0033] 圖7是本發(fā)明實(shí)施例中1981年1-12月的預(yù)測(cè)結(jié)果及其余實(shí)際值的對(duì)比圖；
[0034] 圖8是本發(fā)明實(shí)施例中2013年1-12月的預(yù)測(cè)結(jié)果及其余實(shí)際值的對(duì)比圖。
【具體實(shí)施方式】
[0035] 下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明一種預(yù)測(cè)強(qiáng)降雨及洪澇的方法作進(jìn)一步的描 述。
[0036] 實(shí)施例
[0037] 本實(shí)施例以西南某地區(qū)為預(yù)測(cè)地，提供一種預(yù)測(cè)強(qiáng)降雨和洪澇災(zāi)害的方法，其流 程如圖1所示，具體包括以下步驟：
[0038] 步驟1.采集西南某地區(qū)1951年1月至2014年12月總降雨量的數(shù)據(jù)：
[0039]
[0040] 降雨量數(shù)據(jù)的可視化如圖2所示；其中，強(qiáng)降雨（MOO)共8次，即：1958. 8、 1959. 7、1959. 8、I960. 7、1961. 8、1966. 8、1981. 7、2013· 7,數(shù)據(jù)的可視化如圖 3 所示；
[0041] 步驟2.降雨量事件序列X(t), t = 1，2, 3,…取維數(shù)為12,構(gòu)造樣本集，即：S = (XiXYi= (x n, ···, xin；y ；) IxijG R, y R, I ^ i ^ m, I ^ j ^ η}
[0042] (X1, y!) = (x(l),…，x(ll) ;x(12))，
[0043] (x2, y2) = (x(2), ···, x(12) ；x(13))
[0044] .........
[0045] (xt, yt) = ((x(t),…，Xi(t+ll) ;yi(t+12))
[0046] .........
[0047] 其中，n= 11;
[0048] 步驟3.將1951. 1-1965. 12間的數(shù)據(jù)作為訓(xùn)練樣本集，其中強(qiáng)降雨量（MOO)共5 次，將1966. 1-2014. 12間的數(shù)據(jù)作為驗(yàn)證集，其中強(qiáng)降雨量（MOO)共3次；
[0049] 步驟4.將1951. 1-1965. 12間的數(shù)據(jù)作為訓(xùn)練樣本集，其中強(qiáng)降雨量（MOO)共5 次與預(yù)測(cè)模型得到的預(yù)測(cè)值的經(jīng)驗(yàn)誤差（圖中實(shí)線(xiàn)是實(shí)際值，虛線(xiàn)是預(yù)測(cè)值）如圖4所示；
[0050] 步驟5.用預(yù)測(cè)模型對(duì)1966年1月至1966年12月的總降雨量進(jìn)行預(yù)測(cè)，結(jié)果如 圖5所示，圖中實(shí)線(xiàn)是實(shí)際值，虛線(xiàn)是預(yù)測(cè)值，峰值點(diǎn)處是強(qiáng)降雨量值：
[0051] 對(duì)1967年、1968年，進(jìn)行強(qiáng)降雨量預(yù)測(cè)，其預(yù)測(cè)值與實(shí)際值較為吻合，直至1969年 第一次出現(xiàn)虛警，如圖6所示；根據(jù)現(xiàn)有的預(yù)測(cè)理論，誤差總是存在的，所以只要不漏報(bào)強(qiáng) 降雨量，模型的結(jié)構(gòu)仍然可信賴(lài)，但對(duì)虛警出現(xiàn)的概率將做進(jìn)一步研究，1951. 1-2014. 12共 有十二次虛警；
[0052] 對(duì)1981. 1-12月的預(yù)測(cè)結(jié)果如圖7所示，其中實(shí)線(xiàn)為實(shí)際值，虛線(xiàn)為采用本發(fā)明方 法所得的預(yù)測(cè)值；對(duì)2013. 1-12月的預(yù)測(cè)結(jié)果如圖8所示，其中實(shí)線(xiàn)為實(shí)際值，虛線(xiàn)為采用 本發(fā)明方法所得的預(yù)測(cè)值；由圖7、圖8可知，采用本發(fā)明方法，可對(duì)強(qiáng)降雨做出準(zhǔn)確預(yù)警， 且很少出現(xiàn)虛警的情況，即本發(fā)明方法的預(yù)測(cè)結(jié)果具有較高的有效性和準(zhǔn)確性。
【主權(quán)項(xiàng)】
1. 一種預(yù)測(cè)強(qiáng)降雨及洪澇災(zāi)害的方法，具體包括以下步驟： 步驟1.采集事件時(shí)序列數(shù)據(jù)； 針對(duì)需要預(yù)測(cè)的地區(qū)，采集該地區(qū)歷年每個(gè)月的總降雨量，并按時(shí)間順序依次記為x(l)、x(2)、…、x(t)、…，其中X(I)為第一個(gè)月的總降雨量，x(t)為第t個(gè)月的總降雨 量，由此構(gòu)建序列Xr=[x⑴、x(2)、…、x(t)、…]; 步驟2.構(gòu)造樣本集； 針對(duì)步驟1所采集的降雨量數(shù)據(jù)，在特征空間上構(gòu)造樣本集S:將序列&的前n+1個(gè) 元素設(shè)定為初始滑動(dòng)窗口，將滑動(dòng)窗口內(nèi)的n+1個(gè)元素記為一個(gè)行向量后將滑動(dòng)窗在序列 X1^中向右移動(dòng)一個(gè)元素位置，按上述過(guò)程遍歷整個(gè)序列X，由此得到m個(gè)行向量構(gòu)成樣本集 S，其中第i個(gè)行向量的前n個(gè)元素記為Xi=[X…，xin]，X= [X1，…，Xi，…]T，第n+1個(gè) 元素記為Yi =yi，Y= [.",Yi,…]1，具體為S=(XiXYi=(Xu，…，xin;y;)IxijGR，yR， I^i^m,I^j^n}； 步驟3.從樣本集S中選取多個(gè)相鄰行向量作為訓(xùn)練集，剩余行向量作為驗(yàn)證集； 步驟4.采用模糊減法聚類(lèi)算法將所述訓(xùn)練集聚類(lèi)，其中所需的類(lèi)簇個(gè)數(shù)K由選擇性結(jié) 構(gòu)風(fēng)險(xiǎn)最小化理論即SSRM確定； 步驟5.根據(jù)類(lèi)簇型心在空間X上的投影，構(gòu)造簇函數(shù)f(x):f:X-Y，S=XXY，XGX， (v;1,）eRb是第j個(gè)類(lèi)簇的中心， (crJ:，ui)eRn是第j個(gè)類(lèi)簇的方差， M是第j個(gè)類(lèi)簇的權(quán)值， P(C1Jrj)是在第j個(gè)類(lèi)簇的條件下，模糊規(guī)則k發(fā)生的概率； 步驟6.已知序列中連續(xù)n個(gè)月的總降雨量數(shù)據(jù)構(gòu)成的向量記為X= [x(t+l)、X(t+2)、…、X(t+n)]，按照近鄰原則確定向量X所屬的類(lèi)簇，再將向量X帶入步驟5所得 的簇函數(shù)即可確定第（t+n+1)個(gè)月的總降雨量預(yù)測(cè)值yt+n+1=fk(x);同理，將向量X' = [x(t+2)、x(t+3)、…、x(t+n+l)]帶入所述簇函數(shù)可確定第（t+n+2)個(gè)月的總降雨量預(yù)測(cè) 值； 按上述方法進(jìn)行迭代計(jì)算，即可獲得所需預(yù)測(cè)的某年某月的總降雨量預(yù)測(cè)值yta_t; 步驟7.設(shè)定強(qiáng)降雨及洪澇災(zāi)害的降雨量閾值，若步驟6所得總降雨量預(yù)測(cè)值 到相應(yīng)閾值，則認(rèn)為該月會(huì)發(fā)生強(qiáng)降雨或洪澇。2. 根據(jù)權(quán)利要求1所述的預(yù)測(cè)強(qiáng)降雨及洪澇災(zāi)害的方法，其特征在于，所述訓(xùn)練集中 的行向量個(gè)數(shù)不少于10個(gè)。3. 根據(jù)權(quán)利要求1所述的預(yù)測(cè)強(qiáng)降雨及洪澇災(zāi)害的方法，其特征在于，n= 11。
【專(zhuān)利摘要】本發(fā)明提供一種預(yù)測(cè)強(qiáng)降雨及洪澇災(zāi)害的方法，屬于大數(shù)據(jù)安全分析領(lǐng)域。本發(fā)明根據(jù)歷史各月的降雨總量數(shù)據(jù)，通過(guò)采集事件時(shí)序列數(shù)據(jù)并構(gòu)建降雨量序列，利用基于模糊減法聚類(lèi)算法、統(tǒng)計(jì)學(xué)習(xí)、選擇性結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論以及類(lèi)簇投影相結(jié)合的方式預(yù)測(cè)將來(lái)某月總降雨量，由此實(shí)現(xiàn)強(qiáng)降雨及洪澇災(zāi)害的預(yù)測(cè)。本發(fā)明使用模糊聚類(lèi)算法對(duì)訓(xùn)練集進(jìn)行聚類(lèi)，且類(lèi)簇個(gè)數(shù)由選擇性結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論確定，使得聚類(lèi)結(jié)果更加準(zhǔn)確，且保證了預(yù)測(cè)結(jié)果的有效性和準(zhǔn)確性。
【IPC分類(lèi)】G06F19/00
【公開(kāi)號(hào)】CN105046089
【申請(qǐng)?zhí)枴緾N201510494198
【發(fā)明人】張小松, 張洪偉, 牛偉納, 劉小壘, 陳瑞東, 向琦, 鮑凱, 羅榮森
【申請(qǐng)人】電子科技大學(xué)
【公開(kāi)日】2015年11月11日
【申請(qǐng)日】2015年8月13日