[發(fā)明專(zhuān)利]一種風(fēng)速和風(fēng)向的預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111133887.8
• 申請(qǐng)日: 2021-09-27
• 公開(kāi)（公告）號(hào): CN113779892B
• 公開(kāi)（公告）日: 2022-09-02
• 發(fā)明（設(shè)計(jì)）人: 臧增亮;牛丹;陳善龍;陳夕松;李毅;尤偉;潘曉濱
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)人民解放軍國(guó)防科技大學(xué)
• 主分類(lèi)號(hào): G06F30/27
• 分類(lèi)號(hào): G06F30/27;G06N3/04;G06N3/08;G06F111/08;G06F113/08
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 彭小蘭

1.一種風(fēng)速和風(fēng)向的預(yù)測(cè)方法，其特征在于，所述方法包括：

獲取目標(biāo)站點(diǎn)的觀測(cè)數(shù)據(jù)與模式數(shù)據(jù)，并根據(jù)所述觀測(cè)數(shù)據(jù)與模式數(shù)據(jù)建立初始數(shù)據(jù)集；

對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理獲得目標(biāo)數(shù)據(jù)集；

從所述目標(biāo)數(shù)據(jù)集中提取時(shí)間特征信息，并使用線性預(yù)測(cè)模塊從所述目標(biāo)數(shù)據(jù)集中提取并添加兩組特征數(shù)據(jù)；

在融合自適應(yīng)權(quán)重機(jī)制與改進(jìn)長(zhǎng)短記憶單元序列網(wǎng)絡(luò)中，對(duì)所述長(zhǎng)短記憶網(wǎng)絡(luò)中cell隱藏狀態(tài)信息和輸入信息進(jìn)行交互處理；

對(duì)所述隱藏狀態(tài)信息進(jìn)行概率采樣處理；

利用自適應(yīng)權(quán)重機(jī)制將編碼模塊與解碼模塊的隱藏狀態(tài)信息進(jìn)行加權(quán)求和以生成網(wǎng)絡(luò)預(yù)測(cè)模型；

利用所述網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)所述目標(biāo)數(shù)據(jù)集進(jìn)行集成學(xué)習(xí)以獲得最終模型并使用所述最終預(yù)測(cè)模型進(jìn)行風(fēng)速和風(fēng)向的預(yù)測(cè)。

2.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述初始數(shù)據(jù)集進(jìn)行預(yù)處理獲得目標(biāo)數(shù)據(jù)集的步驟，包括：

剔除所述初始數(shù)據(jù)集中不符合預(yù)設(shè)條件的數(shù)據(jù)單元；

在檢測(cè)到所述數(shù)據(jù)單元缺失或者有誤時(shí)，使用對(duì)應(yīng)閾值范圍內(nèi)的數(shù)據(jù)的均值進(jìn)行補(bǔ)充；

根據(jù)處理結(jié)果獲得目標(biāo)數(shù)據(jù)集。

3.如權(quán)利要求1所述的方法，其特征在于，所述從所述目標(biāo)數(shù)據(jù)集中提取時(shí)間特征信息，并使用線性預(yù)測(cè)模塊從所述目標(biāo)數(shù)據(jù)集中提取并添加兩組特征數(shù)據(jù)的步驟，包括：

將所述目標(biāo)數(shù)據(jù)集中的模式數(shù)據(jù)與真實(shí)數(shù)據(jù)進(jìn)行規(guī)格匹配，模式數(shù)據(jù)M₁，…，M_m與觀測(cè)數(shù)據(jù)O₁，…，O_n，其中M_i表示t時(shí)刻模式預(yù)測(cè)的第i個(gè)特征數(shù)據(jù)，1≤i≤m，m表示t時(shí)刻模式數(shù)據(jù)的特征總數(shù)，O_j表示t時(shí)刻實(shí)際觀測(cè)的第j個(gè)特征數(shù)據(jù)，1≤j≤n，n表示t時(shí)刻實(shí)際觀測(cè)數(shù)據(jù)的特征總數(shù)；

利用線性預(yù)測(cè)模塊與觀測(cè)數(shù)據(jù)的數(shù)據(jù)元組從所述目標(biāo)數(shù)據(jù)集中使用其趨勢(shì)項(xiàng)模型為風(fēng)速與風(fēng)向觀測(cè)數(shù)據(jù)增添兩組趨勢(shì)序列，為觀測(cè)數(shù)據(jù)的順序排列元組，作為兩組特征數(shù)據(jù)加入到所述目標(biāo)數(shù)據(jù)集中。

4.如權(quán)利要求2所述的方法，其特征在于，所述利用線性預(yù)測(cè)模塊與觀測(cè)數(shù)據(jù)的數(shù)據(jù)元組從所述目標(biāo)數(shù)據(jù)集中使用其趨勢(shì)項(xiàng)模型為風(fēng)速與風(fēng)向觀測(cè)數(shù)據(jù)增添兩組趨勢(shì)序列，為觀測(cè)數(shù)據(jù)的順序排列元組，作為兩組特征數(shù)據(jù)加入到所述目標(biāo)數(shù)據(jù)集中的步驟之后，還包括：

將新生成的數(shù)據(jù)模塊與原有的數(shù)據(jù)集重新組合，聚合成一個(gè)新的數(shù)據(jù)集元組，分成訓(xùn)練集和測(cè)試集。

5.如權(quán)利要求1所述的方法，其特征在于，所述在融合自適應(yīng)權(quán)重機(jī)制與改進(jìn)長(zhǎng)短記憶單元序列網(wǎng)絡(luò)中，對(duì)所述長(zhǎng)短記憶網(wǎng)絡(luò)中cell隱藏狀態(tài)信息和輸入信息進(jìn)行交互處理的步驟，包括：

在融合自適應(yīng)權(quán)重機(jī)制與改進(jìn)長(zhǎng)短記憶單元序列網(wǎng)絡(luò)中，改進(jìn)的cell單元對(duì)上一單元的輸出h_prev與當(dāng)前cell單元輸入x進(jìn)行交替交互處理，并定義為Inter(x，h_prev，c_prev)，交互過(guò)程為(表示hadmard乘積)：

奇數(shù)i∈[1...r]

偶數(shù)i∈[1...r]

Q，R為額外設(shè)定矩陣，參數(shù)i控制x和h進(jìn)行交互計(jì)算；

提取運(yùn)算后數(shù)值作為輸入到序列單元網(wǎng)絡(luò)中，訓(xùn)練拼接成四個(gè)狀態(tài)(表示hadmard乘積)：

I_t＝σ(W_ixx+W_ihh_prev+b_i)

F_t＝σ(W_fxx+W_fhh_prev+b_f)

O_t＝σ(W_oxx+W_ohh_prev+b_o)

其中I_t，F(xiàn)_t，O_t，C_t，H分別代表輸入門(mén)，遺忘門(mén)，輸出門(mén)，記憶細(xì)胞狀態(tài)，下一輪候選隱藏狀態(tài)；

得出當(dāng)前記憶細(xì)胞狀態(tài)(c)與下一輪候選隱藏狀態(tài)(h)傳輸?shù)较乱痪W(wǎng)絡(luò)單元中。