一种基于最邻近结点算法的风速预测方法与流程

文档序号:17091915发布日期:2019-03-13 23:33阅读:545来源:国知局

本发明涉及一种基于最邻近结点算法的风速预测方法,属于气象数据分析方法技术领域。



背景技术:

在现代社会的生产生活中,气象的预报与我们的生活越来越息息相关,尤其是风速的预测的准确性,影响着风力发电等行业的决策和规划,提高风速的预测的准确性可以有助于风力资源的合理的运用。使用大量相关气象数据,并通过合理的方法对数据进行处理和分析,是进行风速预测的前提,但现有的一些风速预测的方法都有着准确性不高的缺点。



技术实现要素:

本发明要解决的技术问题是提供一种基于最邻近结点算法的风速预测方法,用以解决上述问题。

本发明的技术方案是:一种基于最邻近结点算法的风速预测方法,具体步骤为:

step1:收集地区的空气湿度、空气温度以及气压数据生成数据库;

step2:获取数据库中数据,并将数据导入到测试集和训练集的数据矩阵中;

step3:根据step2中生成的数据矩阵分别计算其闵可夫斯基距离,曼哈顿距离和欧氏距离;

step4:根据step3中所有距离计算的结果,构造距离矩阵;

step5:根据step4中生成的距离矩阵,每个距离向量的最小距离,对训练集中的输出进行平均,得到预测值;

step6:根据step5所得的预测值,得到该地区风速的预测结果。

所述步骤step2中,测试集ts和训练集tr为:

其中,n是输入元组属性的总数,i是ts输入元组的总数,j是tr中输入元组的总数;xin表示ts中第i个输入元组的第n个属性的值,yjn表示tr第j个输入元组中的第n个属性的值。此外,cxi和cvi分别表示ts和tr中的第i个和第j个输入元组的输出。

所述ts中的每个元组xi是由输入元组的向量和输出的向量组成的对象集(xi1,xi2,…,xi(n-1),xin,cxi)。

所述tr中的每个元组yi是由输入元组的向量和输出的向量组成的对象集(yj1,yj2,...,yj(n-1),yjn,cyj)。

所述步骤step3中闵可夫斯基距离dmink,曼哈顿距离dmanh和欧氏距离deuc的计算公式为:

dmanh(xi,yj)=|xi1-yj1|+|xi2-yj2|+…+|xi(n-1)-yj(n-1)|+|xin-yjn|

其中,xi∈ts,yj∈tr,m是指数的标量正值。

所述步骤step4中,距离矩阵dm为:

其中,d(xi,yj)表示在ts中的第i个输入元组和在tr中的第j个输入元组之间的计算距离。

所述步骤step5中,预测值pxi的计算公式为:

其中,i∈{1,2,...,i},j∈{1,2,...,j),k是最近邻居数目,cyi为tr中的输出。

本发明的有益效果是:使用最邻近结点算法对空气湿度、空气温度以及气压数据进行处理,提升风速预测结果的准确性。

具体实施方式

下面结合具体实施方式,对本发明作进一步说明。

实施例1:一种基于最邻近结点算法的风速预测方法,具体步骤为:

step1:收集地区的空气湿度、空气温度以及气压数据生成数据库;

step2:获取数据库中数据,并将数据导入到测试集和训练集的数据矩阵中;

step3:根据step2中生成的数据矩阵分别计算其闵可夫斯基距离,曼哈顿距离和欧氏距离;

step4:根据step3中所有距离计算的结果,构造距离矩阵;

step5:根据step4中生成的距离矩阵,每个距离向量的最小距离,对训练集中的输出进行平均,得到预测值;

step5:根据step4中生成的距离矩阵,每个距离向量的最小距离,对训练集中的输出进行平均,得到预测值;

所述步骤step2中,测试集ts和训练集tr为:

其中,n是输入元组属性的总数,i是ts输入元组的总数,j是tr中输入元组的总数;xin表示ts中第i个输入元组的第n个属性的值,yjn表示tr第j个输入元组中的第n个属性的值。此外,cxi和cyi分别表示ts和tr中的第i个和第j个输入元组的输出。

所述ts中的每个元组xi是由输入元组的向量和输出的向量组成的对象集(xi1,xi2,…,xi(n-1),xin,cxi)。

所述tr中的每个元组yj是由输入元组的向量和输出的向量组成的对象集(yj1,yj2,...,yj(n-1),yjn,cyj)。

所述步骤step3中闵可夫斯基距离dmink,曼哈顿距离dmanh和欧氏距离deuc的计算公式为:

dmanh(xi,yj)=|xi1-yj1|+|xi2-yj2|+…+|xi(n-1)-yj(n-1)|+|xin-yjn|

其中,xi∈ts,yj∈tr,m是指数的标量正值。

所述步骤step4中,距离矩阵dm为:

其中,d(xi,yj)表示在ts中的第i个输入元组和在tr中的第j个输入元组之间的计算距离。

所述步骤step5中,预测值pxi的计算公式为:

其中,i∈(1,2,...,i},j∈{1,2,...,j},k是最近邻居数目,cyj为tr中的输出。

以上对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1