公开(公告)号：CN115907189A

公开(公告)日：2023-04-04

申请号：CN202211559849.3

申请日：2022-12-06

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  刘旭 ,  周航 ,  杨康权 ,  文武 ,  杨武霖

IPC: G06Q10/04 ,  G06N20/10

Abstract: 本发明公开了基于混合模型的大风预报订正方法，涉及大风预报领域，包括S1获取多个不同地理位置和海波的气象站点数据作为数据集；S2构建初始模型，初始模型包括线性模型、非线性模型和组合模型；S3训练集导入初始模型，并采用均方误差和平均绝对百分比误差作为性能指标对初始模型进行训练优化；S4验证集导入优化后的初始模型进行测试验证最终得到订正模型；S5获取待订正的大风预报数据；S6待订正的大风预报数据导入订正模型得到订正后的大风预报；首先使用ARIMA或ARIMAX对时间序列进行线性预测；接下来采用非线性模型对残差进行非线性预测；线性模型的时间序列预测与非线性模型的残差序列预测通过支持向量机组合，有效地提高了本方法的最终预测。

公开(公告)号：CN115906984A

公开(公告)日：2023-04-04

申请号：CN202211524535.X

申请日：2022-11-30

Applicant: 成都信息工程大学

Inventor： 杨昊 ,  刘旭 ,  周航 ,  杨康权 ,  文武 ,  杨武霖

IPC: G06N3/08 ,  G01W1/10

Abstract: 本发明公开了基于符号回归的大风预报订正方法，涉及天气领域，包括S1获取多个城市的天气特征作为数据集，S2对数据集进行预处理，将每个特征缩放到0‑1之间，S3构建符号回归神经网络，S4预处理后的数据集分为训练集和验证集；S5训练集导入符号回归神经网络进行训练优化，得到订正方程；S6、获取需要订正的天气特征导入订正方程，完成订正；基于符号回归的方法能同基于统计的订正方法一样，能够找出数据的规律，展示输入特征与风要素的关系。同时，基于符号回归的方法没有人为因素的干扰，不会因为误判或者经验不起作用而导致误差变大，具有有效的抑制同质区域噪声，对强弱目标点能很好的保持，边缘保持清晰，消除边缘划痕以及块效应的优点。