一种水文气象序列样本增扩方法、装置和设备

本发明涉及水文频率计算领域，具体涉及一种水文气象序列样本增扩方法、装置和设备。

背景技术：

1、水文气象频率计算主要利用一定时期内的实测水文气象序列样本计算某种水文变量的出现次数，从而预测出某种频率下该变量对应的设计值，进而在防洪保障、水利工程运行、工程水文设计等方面提供重要的依据。近年来由于水资源短缺、气候变化及人类活动的加剧，各流域的下垫面条件显著改变，使得水文气象序列样本的代表性及一致性不能得到保障，从而影响后续的频率计算及工程水文设计的准确度，甚至影响水利工程的建设及安全。

2、研究表明进行合理的样本增扩可以有效提高水文气象序列代表性，目前比较常用的样本增扩方法有蒙特卡洛法、支持向量机和bootstrap方法。其中，蒙特卡洛法原理简单，但在极小子样的计算中误差比较大；支持向量机方法在处理小子样数据回归问题上，能克服模型对样本容量的敏感问题，优势相对明显，但其准确度受参数的影响较大，而参数的优化过程非常繁琐；bootstrap法通过重复抽样增加样本数量，无需预设样本分布，在工程实际中被广泛应用，但由于其生成的增扩样本的取值范围局限于原始小样本，使得增扩样本分布一定程度偏离原样本的真实分布，样本代表性有限，故而难以满足实际工程中的水文设计需要。因此，亟需提出一种更具有代表性的水文气象序列样本增扩法，从而提高水文变量设计值精度，为后续工程水文设计奠定基础。

技术实现思路

1、针对现有技术中存在的问题，本发明提供了一种水文气象序列样本增扩方法、装置和设备，能够使得水文气象序列样本更具有代表性，进而有利于显著提高水文气象频率计算结果的准确性。

2、为了解决上述技术问题，本发明通过以下技术方案予以实现：

3、一种水文气象序列样本增扩方法，包括：

4、获取原始水文气象序列；

5、判断所述原始水文气象序列是否服从正态分布，若不服从，则进行正态化处理，得到服从正态分布的水文气象序列；

6、判断服从正态分布的水文气象序列是否服从同一分布，若不服从，则消除服从正态分布的水文气象序列的自相关性，得到服从同一分布的正态水文气象序列；

7、采用改进的基于lstm的seq2seq模型对所述服从同一分布的正态水文气象序列的两端进行端点延拓，得到端点延拓后的序列；

8、采用改进的gr-ceemd分解法对所述端点延拓后的序列进行分解，得到多组波形平稳且趋势项单调的新序列；

9、采用随机抽样与遗传算法的启发式概念对所述新序列进行随机交叉组合，得到增扩后的水文气象序列样本。

10、进一步地，所述采用改进的基于lstm的seq2seq模型对所述服从同一分布的正态水文气象序列的两端进行端点延拓，得到端点延拓后的序列，包括：

11、设定所述服从同一分布的正态水文气象序列包含n组数据，将其按照时间顺序输入由单层lstm单元组成的编码器，生成不同时刻的隐藏层状态{h1，h2，…，hn}，每个时刻生成的隐藏层状态ht均与前一时刻的隐藏层状态ht-1和t时刻对应的服从同一分布的正态水文气象序列xt有关；

12、经过n个时刻的运算，生成最终状态hn，存储在中间向量c中；

13、将中间向量c输入到seq2seq模型的编码器中进行不定长时间序列的运算，得到包含序列预测信息的状态值；

14、通过seq2seq的解码器对所述包含序列预测信息的状态值进行解码，得到序列的预测值；

15、将所述预测值中距离所述服从同一分布的正态水文气象序列两端最近的极值点添加到所述服从同一分布的正态水文气象序列两端，得到端点延拓后的序列。

16、进一步地，所述采用改进的gr-ceemd分解法对所述端点延拓后的序列进行分解，得到多组波形平稳且趋势项单调的新序列，包括：

17、使用基于gr停止准则的emd分解方法对所述端点延拓后的序列进行m次分解，得到m组第一imf分量和m组第一单调残余趋势项，每组包含多个第一imf分量和一个第一单调残余趋势项；

18、将各组的第一imf分量分别叠加，生成叠加后的序列d1(t)；

19、对所述叠加后的序列d1(t)进行完全经验模态分解，得到m组第二imf分量和m组第二单调残余趋势项，每组包含多个第二imf分量和一个第二单调残余趋势项；

20、将m组第一单调残余趋势项与m组第二imf分量进行组合，得到多组波形平稳且趋势项单调的新序列d2(t)。

21、进一步地，所述采用随机抽样与遗传算法的启发式概念对所述新序列进行随机交叉组合，得到增扩后的水文气象序列样本，包括：

22、将所述新序列d2(t)视为生物种群中的基因片段，设定所述新序列包含q组imf1分量、imf2分量、…、imfk分量与q组单调残余趋势项，则相当于所述新序列由q个染色体组成，每个染色体包含k+1个基因；

23、利用随机抽样原理，每次从q个染色体中随机抽取两个作为父代，再结合交叉算法，对父代染色体上的k+1个基因进行随机交叉并重组；

24、在随机交叉过程中，各组中处于同一位置的分量不进行组合，但与其余分量中的任一分量进行组合，经过多次循环得到增扩后的水文气象序列样本。

25、进一步地，采用ks检验法判断所述原始水文气象序列是否服从正态分布，包括：

26、将包含n组数据的原始水文气象序列进行排序后记作m1<m2<…<mi<…<mn，利用统计量t计算原始水文气象序列是否服从正态分布，计算公式如下：

27、

28、t＝max|g(x)-fn(x)|，

29、式中，fn(x)表示原始水文气象序列的经验累积分布函数，g(x)表示正态分布的累积分布函数；

30、在预设显著水平α下，当计算得到的t大于此时的临界值t(n，α)，且渐进显著性p值大于α时，原始水文气象序列满足正态分布。

31、进一步地，采用贝叶斯检验法判断服从正态分布的水文气象序列是否服从同一分布。

32、进一步地，所述得到增扩后的水文气象序列样本后，还包括：

33、若增扩后的水文气象序列样本中存在异常值，则去除异常值。

34、进一步地，所述消除所述服从正态分布的水文气象序列的自相关性，包括：

35、采用去趋势或添加白噪声的方法消除服从正态分布的水文气象序列的自相关性。

36、一种水文气象序列样本增扩装置，包括：

37、获取模块，用于获取原始水文气象序列；

38、正态分布处理模块，用于判断所述原始水文气象序列是否服从正态分布，若不服从，则进行正态化处理，得到服从正态分布的水文气象序列；

39、同一分布处理模块，用于判断服从正态分布的水文气象序列是否服从同一分布，若不服从，则消除服从正态分布的水文气象序列的自相关性，得到服从同一分布的正态水文气象序列；

40、端点延拓模块，用于采用改进的基于lstm的seq2seq模型对所述服从同一分布的正态水文气象序列的两端进行端点延拓，得到端点延拓后的序列；

41、分解模块，用于采用改进的gr-ceemd分解法对所述端点延拓后的序列进行分解，得到多组波形平稳且趋势项单调的新序列；

42、组合模块，用于采用随机抽样与遗传算法的启发式概念对所述新序列进行随机交叉组合，得到增扩后的水文气象序列样本。

43、一种设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种水文气象序列样本增扩方法的步骤。

44、与现有技术相比，本发明至少具有以下有益效果：

45、本发明提供的一种水文气象序列样本增扩方法，采用改进的基于lstm的seq2seq模型对服从同一分布的正态水文气象序列的两端进行端点延拓，得到端点延拓后的序列，也就是说，利用改进的基于lstm的seq2seq模型进行端点预测，使预测模型输入与输出的长度设置不受限制，短期水文气象序列预测效果较好，显著消除了端点效应对分解结果的影响；采用改进的gr-ceemd分解法对端点延拓后的序列进行分解，得到多组波形平稳且趋势项单调的新序列，将gr-emd与ceemd两种分解方法结合，克服了单独使用gr-emd分解时imf分量波动较大且不规则的模态混叠问题，使得分解后可以得到波形平稳的imf分量和显著单调的残余趋势项；结合随机抽样与遗传算法的启发式概念将gr-ceemd分解后产生的新序列中的各个分量和趋势项进行随机交叉并重新组合，使分解交叉后的样本分布更加接近整体，也具有更强的代表性，进而有利于显著提高水文气象频率计算结果的准确性，具有良好的工程应用前景。

46、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。