[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

本發明公開了一種耦合數值天氣預報與實測數據的風速多點同步預測方法：首先，將不同測點的歷史實測陣風風速數據及數值天氣預報數據作為模型輸入，測點處的當前時刻實測數據作為輸出，采用特征選擇方法比較各輸入變量的重要性程度，并選取程度較高的變量作為最終輸入；然后，采用移動窗口法建立基于貝葉斯動態回歸的陣風風速預測模型，并對預測結果進行評估，獲取高精度風速預測模型；最后，利用該預測模型對多測點處的陣風風速進行長短期預測。本發明可保證陣風風速預測結果準確可靠的基礎上，提升計算效率并實現多測點陣風風速的同步預測。

技術領域

本發明涉及風速預測領域，特別是涉及一種耦合數值天氣預報與實測數據的風速多點同步預測方法。

背景技術

風速預測已廣泛應用于多種領域中，比如：風力發電調度、列車車速調節以及保障戶外運動安全等方面。準確預測風速對于提高風能利用效率、降低運營成本以及保證人員安全等均具有重要意義。風速監測與數值模擬技術的快速發展為風速預測提供了重要的研究基礎和手段。然而，風速的高隨機性、強波動性等特點極大地影響了其預測精度和計算效率。因此，高精度風速實時預測方法研究日益受到關注。

現有的主要風速預測方法之一為基于數值天氣預報的風速預測方法，該方法主要根據所測地區的風速監測數據，利用計算機進行數值計算，得到風速預測結果。基于數值天氣預報的預測結果整體與實際情況相符，但該方法對于某一具體地點的預測精度仍有待提高，且其對數據和硬件要求苛刻，計算量巨大，難以推廣使用。另一種為基于數據驅動的統計預測方法，該方法需采集大量風速數據，經過處理分析后對風速進行預測。相較于數值天氣預報方法，統計方法更易實現，但由于風速非平穩性特性，導致該方法的預測精度較低。近年來，隨著計算機技術性能的不斷提升，機器學習算法在解決非線性問題中表現出獨特優勢，因此被廣泛應用于風速預測領域。然而，當處理較多的預測回歸變量時，機器學習方法的計算效率較低。貝葉斯線性回歸具有計算簡單高效的優點常被用于解決預測問題。相較于多元線性回歸，該方法可定量估計回歸過程中的不確定性。事實上，貝葉斯線性回歸屬于靜態回歸方法，即回歸系數為常數且不隨時間發生變化。然而，靜態線性模型僅適合描述回歸變量與輸出之間關系的局部特征，而非全局變化。因此，亟需兼具高精度和計算效率的風速長短期預測方法。

發明內容

發明目的：針對目前風速預測方法預測精度低、計算費時、難以推廣使用等問題，本發明提供了一種耦合數值天氣預報與實測數據的陣風風速多點同步預測方法，以有效提升陣風風速不同步長的預測精度，并實現多測點的同步預測。

技術方案：為了實現上述目標，一種耦合數值天氣預報與實測數據的風速多點同步預測方法采用如下的技術方案：

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。

可選的，第五步中貝葉斯線性動態回歸模型表示為：