一種基于比例分布的風速預測校正方法技術

本發(fā)明專利技術公開了一種基于比例分布的風速預測校正方法，包括：首先根據(jù)實測數(shù)據(jù)采用BP神經(jīng)網(wǎng)絡方法進行持續(xù)風速預測，得到實測風速和與之對應的預測風速；然后，計算實測預測風速整體分布比例偏差：做出實測風速和預測風速的整體分布比例圖，計算兩種風速在整體分布上偏差；最后根據(jù)實測?預測風速散點圖擬合出校正多項式，將預測的風速代入多項式模型，校正預測風速，比較各百分比下優(yōu)化效果，確定最優(yōu)校正模型。本發(fā)明專利技術基于實測風速和預測風速整體分布比例建立的校正預測風速的方法，該方法解決了BP神經(jīng)網(wǎng)絡模型預測風速精度低的問題，使預測風速在整體分布比例上與實測風速更加接近。

A method of wind speed forecast correction based on proportional distribution

The invention discloses a prediction correction method, based on the distribution of wind speed ratio includes: firstly, according to the measured data by using BP neural network method for prediction of wind speed, wind speed and wind speed forecasting model and the corresponding calculation; then, predict the overall distribution ratio deviation of wind wind speed and wind speed forecasting: measured the overall distribution ratio chart two kinds of wind speed in calculation, the overall distribution of the deviation; finally according to the measured wind speed forecasting scatter correction polynomial fitting, polynomial prediction model into the wind speed, wind speed prediction correction compared, the percentage of each optimization effect, the optimal correction model. The invention of the correction method for forecasting wind speed measured wind speed and wind speed forecasting based on the overall distribution ratio is established, the method solves the problem of low accuracy of wind speed BP neural network prediction model, the prediction of wind speed and is more similar to the measured wind speed in the overall distribution of the ratio.

【技術實現(xiàn)步驟摘要】
一種基于比例分布的風速預測校正方法
本專利技術涉及一種采用BP神經(jīng)網(wǎng)絡預測風速，基于風速整體分布比例來校正預測風速的方法，尤其適用于工程結構抗風分析中，準確提升預測風速的精度。
技術介紹
風載荷對于天線結構來說是一個重要的因素，影響天線的電性能和指向精度。天線運行系統(tǒng)需要知道至少未來一天的風速來規(guī)劃工作。風速預測作為一種提前預測，如果能做到較高精度的預測，將能夠很好的為天線的后續(xù)運行規(guī)劃作出重要參考。風速預測的目的是預測下一段時間的風速，因為不同觀測任務對天線指向精度的要求是不同的，從而可以基本大致確定下一時間段可以做哪些觀測任務。準確地實現(xiàn)天線附近環(huán)境的短期風速預測，對于天線的規(guī)劃設計、運行的安全穩(wěn)定性有很重要的意義。目前風速短期預測主要的方法有：持續(xù)法、時間序列法、卡爾曼濾波法、神經(jīng)網(wǎng)絡法、組合預測法等。各種方法的平均相對誤差大約在20％～40％左右。造成這種誤差的原因主要有以下三個方面：a.風場的風速特性是否有規(guī)律可循；b.預測模型的選擇；c.預測時間的長短。BP神經(jīng)網(wǎng)絡是最具有代表性的神經(jīng)網(wǎng)絡模型之一，在風速預測方面有著廣泛的應用。采用BP神經(jīng)網(wǎng)絡預測風速后，采用一天或者幾天的實測值和預測值來對比，驗證預測的效果。但是事實上風速預測的準確與否和很多因素有關系，風速波動就是一個至關重要的因素。往往是風速變化平穩(wěn)的情況下對比預測效果良好，風速波動強烈的情況下對比預測效果就不太好。因此一天或者幾天的預測效果對比并不能驗證預測方法的效果，應該從風速整體分布比例上來對比預測效果。
技術實現(xiàn)思路
基于上述問題，本專利技術的目的在于解決目前實現(xiàn)本專利技術目的的技術解決方案是，創(chuàng)建一種基于實測風速和預測風速整體分布比例建立的校正預測風速的方法，該技術在很大程度上解決了BP神經(jīng)網(wǎng)絡模型預測風速精度低的問題，使預測風速在整體分布比例上與實測風速更加接近。針對上述問題，本專利技術首先根據(jù)某地實測數(shù)據(jù)采用BP神經(jīng)網(wǎng)絡進行風速預測。然后，做出實測風速和預測風速的分布比例圖，計算實測風速和預測風速兩條分布曲線的均方根偏差。最后擬合出校正多項式模型，將每一個之前預測的風速代入多項式模型中，比較各個多項式模型下優(yōu)化的效果，確定最優(yōu)校正模型。解決上述問題所采用的技術方案流程如下：本專利技術解決其技術問題所采用的方法步驟如下：一種基于比例分布的風速預測校正方法，包括以下步驟：步驟1，風速數(shù)據(jù)收集處理：建立風塔，設置傳感器采集記錄風速數(shù)據(jù)，數(shù)據(jù)篩選處理，求得每小時實測風速平均值；步驟2，采用BP神經(jīng)網(wǎng)絡方法預測風速：對實測風速數(shù)據(jù)進行歸一化處理，確定網(wǎng)絡輸入輸出預測值和隱層神經(jīng)元個數(shù)，訓練網(wǎng)絡，建立預測模型，進行風速預測，得到每小時的預測風速值；步驟3，計算實測預測風速整體分布比例偏差：以x軸為風速大小，y軸為風速分布比例，繪制實測風速和預測風速整體分布比例圖，并計算實測風速和預測風速整體分布比例曲線的均方根誤差ra；步驟4，擬合校正多項式：以x軸為預測風速，y軸為實測風速，繪制預測風速-實測風速散點圖，設置百分比從1到100，確定對應的百分比點，采用多項式擬合這些點，得到100個校正多項式模型；步驟5，選出最優(yōu)校正模型：將步驟2中每小時的預測風速值分別代入步驟4得到的100個多項式模型中，得到校正后的預測風速值，再次計算校正之后新的預測風速和實測風速在整體分布比例上的偏差，從中選出最小的偏差，與之對應的多項式模型即為最優(yōu)校正模型。進一步，步驟2中，對實測風速數(shù)據(jù)進行歸一化處理，通過下式計算得到：式中，d(t)為網(wǎng)絡輸入歸一化前的數(shù)據(jù)，X(t)為歸一化之后的數(shù)據(jù)，min(d(t))為風速數(shù)據(jù)最小值，max(d(t))為風速數(shù)據(jù)最大值。進一步，網(wǎng)絡的輸出預測值進行反歸一化處理：Y(t)＝o(t)*(max(d(t))-min(d(t))+min(d(t))式中，Y(t)為網(wǎng)絡輸出反歸一化后的數(shù)據(jù)，o(t)為神經(jīng)網(wǎng)絡的輸出。進一步，所述步驟2中，建立預測模型如下：其中Hj為隱含層輸出，f為隱含層激勵函數(shù)，vij輸入和隱含層的權值，xi為網(wǎng)絡輸入，a1和aj為閾值，m為隱層神經(jīng)元數(shù)，o1為網(wǎng)絡的輸出，wj1為隱含層和輸出層的權值。。進一步，計算實測風速和預測風速分布曲線的均方根誤差ra，通過下式計算得到：式中u為預測風速，v為實測風速，max(u,v)為實測風速和預測風速中的最大值，ti＝(i-1)*0.1，f(ti)為實測風速分布比例曲線，g(ti)為預測風速分布比例曲線。進一步，所述步驟4中，多項式模型如下：b＝p1an+p2an-1+p3an-2+p4an-3+p5an-4+......+pna1+pn+1式中，a為預測風速需要代入的項，b為校正后的預測風速值，p1、p2、....pn、pn+1分別為系數(shù)值，n為多項式的最高次冪。本專利技術與現(xiàn)有技術相比，具有以下特點：因為風速變化平穩(wěn)的情況下預測效果良好，風速波動強烈的情況下預測效果就不好，所以一天或者幾天的預測效果對比并不能驗證預測方法的效果。因此應該從風速整體分布比例上來對比預測效果。本專利技術創(chuàng)建一種基于實測風速和預測風速整體分布比例建立的校正預測風速方法，該方法在很大程度上解決了BP神經(jīng)網(wǎng)絡模型預測風速精度低的問題，使預測風速在整體分布比例上與實測風速更加接近。該方法能夠有效提高預測風速的精度，具有明顯的先進性和可靠性，因而可以更加準確地指導工程結構的抗風設計。附圖說明圖1是一種校正預測風速方法模型建立流程圖；圖2是采用BP預測未來某天24小時預測效果圖；圖3是校正之前風速整體分布比例圖；圖4是實測-預測散點圖；圖5是P％點擬合曲線圖；圖6校正之后風速整體分布比例圖。具體實施方式下面結合附圖及實施例對本專利技術做進一步說明。參照圖1，本專利技術為了更加清晰的說明上述5個步驟，繪制了一種校正預測風速方法模型的建立流程圖，如圖1所示?，F(xiàn)以新疆奇臺2011-2012年實測風速數(shù)據(jù)為例來介紹本專利的實施方式，具體如下：1)風速數(shù)據(jù)收集處理：建立風塔，設置傳感器采集記錄風速數(shù)據(jù)，經(jīng)數(shù)據(jù)篩選處理求得每小時實測風速平均值；本實施例以新疆奇臺風場從2011年1月1號零時開始到2012年12月31日24時每隔一分鐘采集到的風速數(shù)據(jù)進行研究。實測方法是通過建立風塔來進行測量，在不同高度處設置風速傳感器以記錄不同高度處的每一小時內收集的風速數(shù)據(jù),求得平均值，代表這一小時的風速。通過數(shù)據(jù)處理，將位于每一小時內的風速數(shù)據(jù)求得平均值，代表這一小時的風速。之后，挑選、剔除不合格數(shù)據(jù)，如果某天24小時的風速數(shù)據(jù)不完整，將這一整天的風速數(shù)據(jù)刪除。風速數(shù)據(jù)四舍五入保留小數(shù)點后一位數(shù)字。2)采用BP神經(jīng)網(wǎng)絡方法預測風速：對實測風速數(shù)據(jù)進行歸一化處理，確定網(wǎng)絡輸入輸出、隱層神經(jīng)元個數(shù)，訓練網(wǎng)絡，建立預測模型，進行風速預測，得到每小時的預測風速值；數(shù)據(jù)歸一化處理：由于神經(jīng)網(wǎng)絡輸入層神經(jīng)元一般為Sigmoid形，整個網(wǎng)絡的輸入就會給壓縮在一個較小的范圍以內，為了提高訓練速度、靈敏度以及有效避開Sigmoid形函數(shù)的飽和區(qū)，要求輸入數(shù)據(jù)的值在0～1之間，BP神經(jīng)網(wǎng)絡預測方法將風速值換算成[0,1]區(qū)間的值，這樣就需要對數(shù)據(jù)進行歸一化處理：同樣網(wǎng)絡的輸出預測值也要進行反歸一化處理：Y(t)＝o(t)*(max(d(t))-min(d(t))+m本文檔來自技高網(wǎng)...

【技術保護點】
一種基于比例分布的風速預測校正方法，其特征在于，包括以下步驟：步驟1，風速數(shù)據(jù)收集處理：建立風塔，設置傳感器采集記錄風速數(shù)據(jù)，數(shù)據(jù)篩選處理，求得每小時實測風速平均值；步驟2，采用BP神經(jīng)網(wǎng)絡方法預測風速：對實測風速數(shù)據(jù)進行歸一化處理，確定網(wǎng)絡輸入輸出預測值和隱層神經(jīng)元個數(shù)，訓練網(wǎng)絡，建立預測模型，進行風速預測，得到每小時的預測風速值；步驟3，計算實測預測風速整體分布比例偏差：以x軸為風速大小，y軸為風速分布比例，繪制實測風速和預測風速整體分布比例圖，并計算實測風速和預測風速整體分布比例曲線的均方根誤差r

【技術特征摘要】
1.一種基于比例分布的風速預測校正方法，其特征在于，包括以下步驟：步驟1，風速數(shù)據(jù)收集處理：建立風塔，設置傳感器采集記錄風速數(shù)據(jù)，數(shù)據(jù)篩選處理，求得每小時實測風速平均值；步驟2，采用BP神經(jīng)網(wǎng)絡方法預測風速：對實測風速數(shù)據(jù)進行歸一化處理，確定網(wǎng)絡輸入輸出預測值和隱層神經(jīng)元個數(shù)，訓練網(wǎng)絡，建立預測模型，進行風速預測，得到每小時的預測風速值；步驟3，計算實測預測風速整體分布比例偏差：以x軸為風速大小，y軸為風速分布比例，繪制實測風速和預測風速整體分布比例圖，并計算實測風速和預測風速整體分布比例曲線的均方根誤差ra；步驟4，擬合校正多項式：以x軸為預測風速，y軸為實測風速，繪制預測風速-實測風速散點圖，設置百分比從1到100，確定對應的百分比點，采用多項式擬合這些點，得到100個校正多項式模型；步驟5，選出最優(yōu)校正模型：將步驟2中每小時的預測風速值分別代入步驟4得到的100個多項式模型中，得到校正后的預測風速值，再次計算校正之后新的預測風速和實測風速在整體分布比例上的偏差，從中選出最小的偏差，與之對應的多項式模型即為最優(yōu)校正模型。2.根據(jù)權利要求1所述的一種基于比例分布的風速預測校正方法，其特征在于，所述步驟2中，對實測風速數(shù)據(jù)進行歸一化處理，通過下式計算得到：式中，d(t)為網(wǎng)絡輸入歸一化前的數(shù)據(jù)，X(t)為歸一化之后的數(shù)據(jù)，min(d(t))為風速數(shù)據(jù)最小值，max(d(t))為風速數(shù)據(jù)最大值。3.根據(jù)權利要求2所述的一種基于比例分布的風速預測校正方法，其特征在于，網(wǎng)...

【專利技術屬性】
技術研發(fā)人員：王偉，王國創(chuàng)，保宏，王從思，張爍，李銳，李娜，李鵬，宋立偉，周金柱，
申請(專利權)人：西安電子科技大學，
類型：發(fā)明
國別省市：陜西,61