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：。