一种基于SVR和VAR的地面风矢量临近预报方法转让专利
申请号 : CN202110525246.0
文献号 : CN112987133B
文献日 : 2021-08-13
发明人 : 郭洪涛
申请人 : 郭洪涛
摘要 :
权利要求 :
1.一种基于SVR和VAR的地面风矢量临近预报方法,其特征在于:包括以下步骤:步骤1:地面多种气象要素的收集;
步骤2:地面风矢量的分解和质量控制;
所述步骤2中的质量控制公式为: (1)其中 为质量控制后 时刻的地面纬向风速或经向风速, 为质量控制前相应的风速, 为风速观测的时间间隔,通过质量控制,过滤掉高频的风速变化信息,屏蔽掉由观测不确定性可能引起的虚假的风速扰动;
步骤3:基于单个气象要素SVR模型的显著自变量提取;
所述步骤3中SVR模型估计的关系式为: (2)其中 为距 时刻 后所对应的地面纬向风速或经向风速的观测值,为单一气象要素的 时刻及其以前的观测值,仅考虑到距 最近的4个时次, 为 和 间的非线性关系,通过将高斯径向基函数作为核函数的SVR模型估计得到,步骤3中提取SVR估计相对误差小于10%的气象要素作为显著自变量,相对误差E定义式为: (3)其中 为地面纬向风速或经向风速的观测值, 为基于SVR模型通过公式(2)的估计值;
步骤4:基于所有显著自变量SVR和VAR的非线性模型估计;
所述步骤4中基于SVR技术的VAR模型估计的关系式为: (4)其中 为通过步骤3所提取的 个显著自变量, 为地面纬向风速或经向风速的观测值, 为单个因变量 和多个自变量 的非线性关系,为单个因变量和多个自变量 的非线性关系,都通过将高斯径向基函数作为核函数的SVR模型估计得到;
步骤5:非线性模型的递推预报。
2.根据权利要求1所述的一种基于SVR和VAR的地面风矢量临近预报方法,其特征在于:所述步骤5中递推预报公式为:(5)
(6)
其中 为未来时刻的地面纬向风速或经向风速的预报值, 为未来时刻通过步骤3所提取的 个显著自变量的预报值, 为步骤4所估计得到的非线性关系式。
说明书 :
一种基于SVR和VAR的地面风矢量临近预报方法
技术领域
背景技术
仅影响飞机起降的频率,而且严重威胁生命财产安全。又如在能源领域,电力部门需要依据
地面风的大小来调整风力发电计划,降低风机发电功率异常变化给输电网带来的潜在风
险。因此,迫切需要准确率高、时间分辨率高的地面风矢量预报,为政府和民众采取防灾避
灾措施提供重要支撑。
~
面,由于数值模式的局限性,比如计算耗时多、运行初始阶段模式因处于调整过程而预报误
差较大等问题,基本通过统计技术来制作风矢量的预报。一方面,当前对地面风速的临近预
报大多采用传统统计技术中的时间序列分析方法,例如自回归(AR)模型、滑动平均(MA)模
型、自回归滑动平均(ARMA)模型等,主要考虑风在时间上的自相关性,即当前和过去一段时
间内风速特征与未来一段时间内风速变化的关联性。在数学上,既由于风速的取值不能为
负,又由于风速不满足高斯分布,不满足以上传统统计模型的基本假设,会给风速预报带来
较大的误差;在物理上,以上常用方法中仅考虑了前期风速特征对后期风速变化的影响,而
忽略了前期其他气象变量(如气压、温度等)与后期风速变化的联系,降低了风速预报的精
度。另一方面,与地面风速预报相比,目前尚缺乏对地面风向的客观预报方法。为了解决以
上问题,首先需要将风速预报扩展为风速和风向的预报,即将预报的地面风由标量还原为
矢量,其次需要考虑地面其他气象要素对风矢量的作用。
量之间的关系是完全线性的,即前期不同变量对后期某一变量的影响是独立的、线性可叠
加的。相比AR模型,可以将VAR模型引入地面风矢量的预报方法中,考虑地面多种气象要素
对风矢量变化的调控作用。然而,地面气象要素间的关系以为非线性相关为主,传统的VAR
模型无法捕捉。针对这一缺陷,需要将VAR模型中显式的线性方案改进为隐式的非线性方
案,在模型估计前不预先设定变量间的关系方程,而是通过计算由模型自身给出。近年来,
随着机器学习领域研究的不断深入和应用的不断扩展,机器学习内的相关技术已经能够考
虑和描述变量间的非线性关系,例如SVR技术。SVR是将支持向量机应用在回归问题上,通过
将原始变量映射到高维空间,实现将原始空间内的非线性关系用映射空间内的线性关系来
表达,从而能够定量描述原始变量间的非线性相关性。此外,SVR因为不预先假设变量的统
计分布,所以适用于非高斯分布的气象要素变量。
发明内容
的预报。
由观测不确定性可能引起的虚假的风速扰动;
非线性关系,通过将高斯径向基函数作为核函数的SVR模型估计得到,步骤3中提取SVR估计
相对误差小于10%的气象要素作为显著自变量,相对误差E定义式为:
为单个因变量和多个自变量 的非线性关系,都通过将高
斯径向基函数作为核函数的SVR模型估计得到;
线性关系式。本发明的有益效果是:
显著自变量提取;步骤4:基于所有显著自变量SVR和VAR的非线性模型估计;步骤5:非线性
模型的递推预报。本发明提出一种基于SVR和VAR的地面风矢量临近预报方法,本发明针对
气象要素的特征将SVR技术进行优化,并引入和改进VAR模型,实现对地面风矢量的预报。
附图说明
具体实施方式
~
两个量,取值范围分别为 和 ,均为有界。因此需要利用下列公式分解成取值范
围均为 的水平纬向风 和水平经向风 两个量:
相对误差小于10%的非线性模型所对应的气象要素作为显著自变量(共 个)进行后续运
算。通过SVR估计的非线性关系式在计算相对误差结束后不再保留。
显著自变量,再将其放如公式等号后边,预报公式等号左边 时刻的对应量,以此类
推。每一时刻计算完成后,利用下列公式将 转化为与观测一致的 :
围。