[發(fā)明專利]一種基于CNN-LSTM的風(fēng)速預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011106976.9
• 申請日: 2020-10-16
• 公開（公告）號: CN112285376A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計）人: 袁咪咪;宮法明;李昕;徐晨曦;劉芳華;司朋舉;唐昱潤
• 申請（專利權(quán)）人: 中國石油大學(xué)（華東）
• 主分類號: G01P5/00
• 分類號: G01P5/00;G01W1/10;G06F17/15;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于CNN?LSTM的風(fēng)速預(yù)測方法，該方法包含：對氣象要素的原始記錄數(shù)據(jù)進行清洗；以N個站點的F個氣象要素的數(shù)據(jù)作為輸入，通過Z?score方法對數(shù)據(jù)進行標準化處理，使其滿足(0,1)標準正態(tài)分布；利用PCA技術(shù)將原始氣象要素進行線性組合，轉(zhuǎn)換為一組線性不相關(guān)的變量；通過LASSO算法提取影響風(fēng)速變化的氣象要素特征集，將其作為預(yù)測模型的輸入；通過空間特征提取算法提取目標站點和其相鄰站點之間的潛在空間關(guān)系，得到T個預(yù)報時次上的空間特征向量，結(jié)合莫蘭指數(shù)對風(fēng)速變化的空間關(guān)系進行分析檢驗；通過時間特征提取算法在T個空間特征向量上提取時間特征關(guān)系，并采用Adam算法不斷優(yōu)化；以MAPE作為評估指標，在測試集上驗證風(fēng)速預(yù)測的準確率。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機數(shù)據(jù)挖掘領(lǐng)域，設(shè)計具體涉及到一種基于CNN-LSTM的風(fēng)速預(yù)測方法。

背景技術(shù)

近年來，大風(fēng)天氣預(yù)測已經(jīng)成為氣象預(yù)測領(lǐng)域及計算機大數(shù)據(jù)分析領(lǐng)域的研究熱點，引起了眾多學(xué)者的關(guān)注。隨著大數(shù)據(jù)的興起，人們希望計算機能夠自主的識別并且理解各種氣象要素的含義及其對風(fēng)速變化產(chǎn)生的影響，使計算機能夠更加智能地分析氣象數(shù)據(jù)，從而對氣象災(zāi)害做到提前預(yù)防，減少由此造成的人力物力損失，保障人們的生命和財產(chǎn)安全。風(fēng)作為大氣環(huán)境中的基本元素,其研究對于天氣氣候、環(huán)境科學(xué)、清潔能源、氣象災(zāi)害等都具有重要的意義。但由于受溫度、氣壓、海拔、地形、緯度等諸多因素影響,風(fēng)具有隨機性、間歇性、波動性等特點,使得其成為最難預(yù)測的氣象預(yù)報要素之一。

傳統(tǒng)預(yù)報方法主要是預(yù)報員利用經(jīng)驗知識進行天氣預(yù)測，但這不可避免會因人的主觀局限性導(dǎo)致預(yù)報偏差，而且傳統(tǒng)技術(shù)只是對大范圍地區(qū)的風(fēng)速情況進行大致預(yù)報，無法達到高分辨率、短時精細化的預(yù)報效果。基于統(tǒng)計的預(yù)報方法只能分析歷史時間序列中各氣象要素之間的線性關(guān)系，難以處理氣象要素之間的非線性關(guān)系。隨著數(shù)值預(yù)報技術(shù)和深度學(xué)習(xí)技術(shù)的快速發(fā)展，利用深度學(xué)習(xí)技術(shù)開展氣象預(yù)測成為必然趨勢，可幫助預(yù)報員實現(xiàn)時空分辨率數(shù)據(jù)的高效訪問和客觀識別。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明提出一種基于CNN-LSTM的風(fēng)速預(yù)測方法，充分利用CNN良好的空間特征提取能力和LSTM出色的時間序列特征提取能力，可以有效地解決獲取不同站點的復(fù)雜地理特征的困難，從時間和空間上提高風(fēng)速預(yù)報的準確性。本發(fā)明的具體步驟如下：

S1，對氣象要素的原始記錄數(shù)據(jù)進行數(shù)據(jù)清洗。對于其中的缺損值或奇異值，將該值替換成前后兩個值的平均值或是某一時間區(qū)間的均值，當遇到非數(shù)值型數(shù)據(jù)時進行數(shù)據(jù)格式編碼；

S2，以N個站點的F個氣象要素的歷史記錄數(shù)據(jù)作為輸入，通過Z-score方法對數(shù)據(jù)進行標準化處理，使其滿足(0,1)標準正態(tài)分布；

S3，利用PCA技術(shù)將原來具有一定相關(guān)性的F個氣象要素進行線性組合，通過正交變換將其轉(zhuǎn)換為一組線性不相關(guān)的變量；

S4，通過LASSO算法從上步驟產(chǎn)生的變量中提取影響風(fēng)速變化的氣象要素特征集，將其作為預(yù)測模型的輸入；

S5，通過空間特征提取算法提取目標站點和其相鄰站點的氣象因素之間的潛在空間關(guān)系，得到目標站點在T個預(yù)報時次上的空間特征向量，結(jié)合莫蘭指數(shù)對風(fēng)速變化的空間關(guān)系進行分析檢驗；

S6，通過時間特征提取算法在T個空間特征向量上提取時間特征關(guān)系，并采用Adam算法不斷優(yōu)化，獲得目標站點的風(fēng)速預(yù)測結(jié)果；

S7，以預(yù)測值和真實值的擬合度平均絕對百分比誤差MAPE作為評估指標，在測試集上驗證風(fēng)速預(yù)測的準確率。

本發(fā)明的技術(shù)方案特征和改進為：

對于步驟S2，本發(fā)明采用Z-score數(shù)據(jù)標準化算法對步驟S1中的數(shù)據(jù)進行標準化處理，將所有數(shù)據(jù)同樣轉(zhuǎn)換為零值附近區(qū)域值，處理后的數(shù)據(jù)滿足(0,1)標準正態(tài)分布，定義表示為：