[發明專利]耦合數值天氣預報與實測數據的風速多點同步預測方法

在審

• 申請號: 202210030734.9
• 申請日: 2022-01-12
• 公開（公告）號: CN114462684A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 張一鳴;王浩;暢翔宇
• 申請（專利權）人: 東南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N7/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉莎

1.耦合數值天氣預報與實測數據的風速多點同步預測方法，其特征在于，該方法包括以下步驟：

第一步：獲取目標區域內多測點的實測陣風風速數據及數值天氣預報數據；

第二步：以目標區域內t時刻數值天氣預報數據及t時刻前n個時刻測點k的實測陣風風速數據構成的向量作為輸入，將t時刻多測點的實測陣風風速數據作為輸出數據，構建樣本集；其中表示t時刻數值天氣預報數據的第p個變量，x_k,t-i表示第t-i時刻測點k的實測陣風風速數據，i＝1,2,…,n；

第三步：采用特征選擇方法比較第二步中樣本集各輸入變量的重要性程度，選取程度較高的若干變量作為最終輸入，得到訓練樣本集；

第四步：采用移動窗口法，選取不同的預測步長，基于第三步中的訓練樣本集構建短期風速預測訓練樣本集和長期風速預測訓練樣本集；

第五步：基于第四步中的短期和長期風速預測訓練樣本集，分別對貝葉斯線性動態回歸模型和貝葉斯二次動態回歸模型進行訓練，構建短期風速預測模型和長期風速預測模型；

第六步：基于第五步中的兩種風速預測模型，實現多測點陣風風速的長短期預測。

2.根據權利要求1所述的耦合數值天氣預報與實測數據的風速多點同步預測方法，其特征在于，第五步中貝葉斯線性動態回歸模型表示為：

Y_t＝Φ(X_t)w_t+v_t,v_t～N(0,V)

其中，

Y_t＝[Y_1,t Y_2,t … Y_k,t]^T

X_t＝blockdiag(X_1,t X_2,t … … … X_k,t)

w_t＝[w_1,t w_2,t … … … w_k,t]^T

w_k,t＝[α_k,t β_k,t]^T＝[α_k,t β_k1,t β_k2,t … β_kd,t]^T

式中，Y_t表示目標區域內t時刻各測點的陣風風速預測結果構成的矩陣，Y_k,t表示目標區域內t時刻測點k的陣風風速預測值，blockdiag(·)表示塊對角矩陣，X_t表示t時刻的輸入數據，w_t表示t時刻的動態回歸系數矩陣，w_k,t表示t時刻對應測點k的動態回歸系數，α_k,t和β_k,t分別表示t時刻對應測點k的截距和回歸系數，β_kd,t表示t時刻測點k的第d個回歸系數，v_t表示服從0均值、方差V正態分布的回歸誤差；

動態回歸系數的變化為：

w_t＝w_t-1+q_t,q_t～N(0,Q)

其中，w_t-1表示t-1時刻的動態回歸系數矩陣，q_t表示服從0均值、方差Q正態分布的狀態矩陣誤差；

Q＝blockdiag(Q_1,t Q_2,t … … … Q_k,t)

Q_k,t＝blockdiag(Q_kα Q_kβ)

式中，Q_k,t表示t時刻測點k的狀態誤差，Q_kα和Q_kβ為t時刻對應測點k的截距和回歸系數的狀態誤差。