1.一种基于压缩感知的河流月径流量预测方法,其特征在于包括以下步骤:步骤一、信息采集:采集河流相关数据资料,包括月平均水位、流量、降雨量、降雪量、蒸发量;
步骤二、预处理:将河流的相关数据按年份、月份、时间等进行排序,对采集到的数据进行归一化预处理,采用的归一化映射如下:其中,x,y∈Rn,y代表原始数据,x代表所对应的原始数据y经过归一化预处理后的数据;
ymin=min(y),代表原始数据中值最小的一个数据;ymax=max(y),代表原始数据中值最大的一个数据;
步骤三、训练合适的模型,进行曲线拟合:用压缩感知方法去拟合时间序列的观测数据,采用基于核范数的矩阵回归压缩感知方法步骤如下:步骤三-1、用下式描述时间序列数据预测模型:其中,xn+1为预测数据,xn+1-i,i=1,2,…,n为前期值,ai为模型的待估计参数,en+1为随机项,服从相互独立的均值为0、方差为σ2的正态分布;
如果每一组观测数据,均可由同一组模型参数表达,则式(1)表达为矩阵形式:为便于表达,将式(3)表达为矩阵相乘的形式:B=AX+E;
其中X是一个M+1行、N+1列矩阵;
步骤三-2、通过下式求解模型参数向量u:步骤三-3、利用增广拉格朗日函数法求解约束优化问题,即通过以下公式求解:上式中Y1,Y2,λ,μ均为拉格朗日参数;
其中步骤三-3增广拉格朗日函数法的步骤如下:a1.初始化参数:Y1=0,Y2=0,μ=10-6,μmax=106,ρ=1.1,ε=10-8,固定其他参数,即其他参数保持当前的数值,初次迭代时保持它们的初始值;
固定X、E值,值为当时的值,更新B-AX:a2.固定B-AX、E值,值为当时的值,通过以下公式更新X:X=(I+ATA)-1(AT(X-E))+X+(ATY1-Y2)/μ) (7)a3.固定B-AX、X值,值为当时的值,通过以下公式更新E:a4.通过以下公式更新参数:
a5.通过μ=min(ρμ,μmax)更新μ,满足以下公式时满足收敛:。