[發明專利]一種基于神經網絡和模式搜索優化的多氣象風速融合方法

有效

• 申請號: 201610677214.1
• 申請日: 2016-08-16
• 公開（公告）號: CN106326982B
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 向婕;雍正;陳棟;王思源
• 申請（專利權）人: 國能日新科技股份有限公司
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06N3/08;G01P5/00
• 代理公司: 天津濱海科緯知識產權代理有限公司 12211
• 代理人: 李成運

1.一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，包括以下步驟：

（1）、從電場數據庫中獲取實際風速及各個氣象源的NWP預測風速數據，剔除不合理的數據；按時間先后次序分成建模數據段及驗證數據段；

（2）、設計神經網絡結構，根據氣象源的個數，設定輸入層神經元個數，輸出層神經元個數設定為1，隱含層的神經元個數設定初步值并根據預測結果進行調整；

（3）、利用建模數據段的數據，采用模式搜索算法，優化神經網絡的權值w和b，優化目標為風速均方根誤差或者絕對偏差；

（4）、利用驗證數據段的數據測試模型的精度，如果精度不滿足要求，則回到步驟（2），調整神經網絡的結構，重新訓練網絡；如果精度滿足要求則得到最終的融合模型，進行風速預測。

2.根據權利要求1所述的一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，步驟（1）所述不合理的數據剔除方法為：按照風速數值進行判斷，風速的合理范圍為0~25m/s。

3.根據權利要求2所述的一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，步驟（1）所述不合理的數據剔除方法還包括：如果連續若干采樣點的風速數據完全一樣，則認為是風速儀出現故障或者數據采集軟件故障，該數據剔除。

4.根據權利要求1所述的一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，步驟（2）所述隱含層神經元個數的初步值設定方法為：若有m組NWP預測風速，則神經網絡隱含層神經元個數范圍在1~m+1。

5.根據權利要求1所述的一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，步驟（3）所述采用模式搜索算法優化的方法為：首先利用梯度下降的學習算法,訓練神經網絡的參數w及b；然后將這組參數作為模式搜索的出發點，搜索步長在10~100中選擇，以保證模式搜索算法的全局最優性；最后采用模式搜索方法，在各個參數的維度上搜索最優的神經網絡參數。

6.根據權利要求1所述的一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，步驟（4）所述調整神經網絡結構的方法為：調整隱含層神經元個數，比較相應的驗證數據段的預測風速均方根誤差RMSE，選擇最優的神經元個數。

7.根據權利要求1所述的一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，步驟（4）所述精度的要求為預測風速均方根誤差RMSE在2.5m/s以內。

8.根據權利要求1-7任一項所述的一種基于神經網絡和模式搜索優化的多氣象風速融合方法，其特征在于，所述預測風速均方根誤差RMSE的公式為：

其中n為驗證數據段樣本個數，s為實際風速，ps為預測風速。