[發(fā)明專利]基于奇異譜分析-深度信念網(wǎng)絡(luò)的日太陽(yáng)輻射估計(jì)算法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110799163.0
• 申請(qǐng)日: 2021-07-15
• 公開（公告）號(hào): CN113505708A
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計(jì)）人: 臧海祥;夏倩倩;許瑞琦;張烽春;衛(wèi)志農(nóng);孫國(guó)強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 張華蒙

1.基于奇異譜分析-深度信念網(wǎng)絡(luò)的日太陽(yáng)輻射估計(jì)算法，其特征在于，包括以下步驟：

(1)獲取氣象參數(shù)數(shù)據(jù)，空氣污染數(shù)據(jù)和日太陽(yáng)總輻射數(shù)據(jù)，采用互信息理論選取最佳輸入變量；

(2)對(duì)上述輸入變量建立估算模型，比較估算誤差大小，確定最優(yōu)的輸入變量；

(3)在選取最優(yōu)輸入變量集合的基礎(chǔ)上，建立基于深度信念網(wǎng)絡(luò)DBN的太陽(yáng)輻射估算模型；

(4)對(duì)深度信念網(wǎng)絡(luò)模型進(jìn)一步分析，采取時(shí)間序列分析方法，奇異譜分析SSA對(duì)數(shù)據(jù)進(jìn)行處理，建立基于深度信念網(wǎng)絡(luò)-奇異譜分析的太陽(yáng)輻射估算模型。

2.根據(jù)權(quán)利要求1所述的基于奇異譜分析-深度信念網(wǎng)絡(luò)的日太陽(yáng)輻射估計(jì)算法，其特征在于，所述步驟(1)包括以下步驟：

(1.1)計(jì)算互信息值：

(1.2)隨機(jī)變量X、Y間的互信息I(X,Y)定義為：

式中，x∈X，y∈Y，p(x,y)是X和Y的聯(lián)合概率分布函數(shù)，p(x)和p(y)分別是X和Y的邊緣概率分布函數(shù)；

(1.3)根據(jù)步驟(1.1)得到的結(jié)果運(yùn)用最大相關(guān)最小冗余算法選取輸入變量；

最大相關(guān)測(cè)度指標(biāo)為：

式中，S是特征x的集合，c是分類目標(biāo)，x_i是第i個(gè)特征，I(x_i；c)是特征x_i和類c間的互信息；D反映輸入變量與輸出目標(biāo)之間的相關(guān)性；

最小冗余測(cè)度指標(biāo)為：

式中，S是特征x的集合，x_j是第j個(gè)特征，I(x_i；x_j)是特征x_i和特征x_j間的互信息；R反映輸入變量間的冗余性；

最大相關(guān)最小冗余mRMR算法標(biāo)準(zhǔn)：

式中，S是特征x的集合，c是分類目標(biāo)，I(x_i；c)是特征x_i和類c間的互信息，I(x_i；x_j)是特征x_i和特征x_j間的互信息；

如果使用增量搜索方法，轉(zhuǎn)化成優(yōu)化問題：

式中，S_m-1是已選擇特征x_i的集合，X-S_m-1是剩下的特征空間，I(x_j；c)是剩下的特征x_j和類c間的互信息，I(x_j,x_i)是剩下的特征x_j和已選擇特征x_i間的互信息。

3.根據(jù)權(quán)利要求1所述的基于奇異譜分析-深度信念網(wǎng)絡(luò)的日太陽(yáng)輻射估計(jì)算法，其特征在于，步驟(2)所述的估算誤差可通過以下，公式實(shí)現(xiàn)：

式中，n為測(cè)試樣本中數(shù)據(jù)樣本的個(gè)數(shù)，y_u和分別為第u個(gè)測(cè)試點(diǎn)輻射的真實(shí)值和預(yù)測(cè)值。