一种基于聚类与线性回归的降雨量预测方法与流程

本发明涉及一种基于聚类与线性回归的降雨量预测方法，属于气象数据分析方法技术领域。

背景技术：

准确的预测降水可用于各个相关行业，制定政策，规划和管理决策，并有助于水资源系统可持续的运作。使用历史数据，基于统计和智能计算的方法来进行未来降雨的预测，是现如今较为通用的降雨预测手段。但现有的一些降雨数据分析预测方法都有着准确性不高的缺点。

技术实现要素：

本发明要解决的技术问题是提供一种基于聚类与线性回归的降雨量预测方法，用以解决上述问题。

本发明的技术方案是：一种基于聚类与线性回归的降雨量预测方法，具体步骤为：

step1：收集地区降雨观测数据并生成降雨数据库；

step2：获取降雨数据库中数据，并生成数据集；

step3：根据step3中生成的数据集生成聚类；

step4：根据step4中生成的聚类计算线性回归系数；

step5：根据step3和step4中生成的聚类和线性回归系数，得到聚类的线性回归函数；

step6：根据step5所得聚类的线性回归函数，计算k次聚类的线性回归；

step7：根据step6所得k次聚类的线性回归结果得到降雨预测数据。

所述步骤step2中，生成的数据集为：

{(aⁱ,bi)∈rⁿ×rⁿ；i＝1,…,l}

其中，rⁿ表示一个具有内积的n维欧几里德空间。

所述步骤step3中，生成的聚类为：

所述步骤step4中，生成的线性回归系数{x^j,yj}是仅使用来自聚类a^j,j＝1,…,k的数据点计算的线性回归系数。

所述步骤step5中，所述线性回归函数为：

其中，x＝(x¹,...,x^k)∈r^nk且y＝(y1,...,yk)∈r^k，l为数据集中点的总数，eab(x^j,yj)是数据点(a,b)∈a和系数{x^j,yj}的平方回归误差，其计算公式为：

eab(x^j,yj)＝(<x^j,a>+yj-b)²。

所述步骤step6中，k次聚类的线性回归的计算方式为：

minimizefk(x,y)(x,y)∈r^nk×r^k。

本发明的有益效果是：使用层次聚类算法以及线性回归算法对气象数据进行处理，提升降雨数据分析预测结果的准确性。

附图说明

图1是本发明流程示意图。

具体实施方式

下面结合附图和具体实施方式，对本发明作进一步说明。

实施例1：如图1所示，一种基于聚类与线性回归的降雨量预测方法，具体步骤为：

step1：收集地区降雨观测数据并生成降雨数据库；

step2：获取降雨数据库中数据，并生成数据集；

step3：根据step3中生成的数据集生成聚类；

step4：根据step4中生成的聚类计算线性回归系数；

step5：根据step3和step4中生成的聚类和线性回归系数，得到聚类的线性回归函数；

step6：根据step5所得聚类的线性回归函数，计算k次聚类的线性回归；

step7：根据step6所得k次聚类的线性回归结果得到降雨预测数据。

所述步骤step2中，生成的数据集为：

{(aⁱ,bi)∈rⁿ×rⁿ；i＝1,…,l}

其中，rⁿ表示一个具有内积的n维欧几里德空间。

所述步骤step3中，生成的聚类为：

所述步骤step4中，生成的线性回归系数{x^j,yj}是仅使用来自聚类a^j,j＝1,…,k的数据点计算的线性回归系数。

所述步骤step5中，所述线性回归函数为：

其中，x＝(x¹,...,x^k)∈r^nk且y＝(y1,...,yk)∈r^k，l为数据集中点的总数，eab(x^j,yj)是数据点(a,b)∈a和系数{x^j,yj}的平方回归误差，其计算公式为：

eab(x^j,yj)＝(<x^j,a>+yj-b)²。

所述步骤step6中，k次聚类的线性回归的计算方式为：

minimizefk(x,y)(x,y)∈r^nk×r^k。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。