【技术实现步骤摘要】
动力系统自记忆微分方程反演模型的建模方法
[0001]本专利技术涉及气候预测
,具体地说,涉及一种动力系统自记忆微分方程反演模型的建模方法
。
技术介绍
[0002]动力系统是指一类通过几何和数学分析方法研究自然现象的模型
。
在数学上,动力系统可以描述一个或多个变量随时间变化的过程
。
这个过程可以通过微积分和微分方程等数学工具来描述
。
在物理学中,动力系统通常用来描述物体的运动状态随时间的变化,在气候预测时,会使用到动力系统进行反演
。
[0003]在全球,不同地区由于地形差异,区域气候的差别通常很大
。
区域气候预测以往以针对时间序列进行统计建模为主
。
时间序列预测主要有两种类型:一是短记忆模型,代表者有滑动平均模型
(MA)
及自回归模型
(AR)
,它们要求样本之间完全独立或自相关函数呈指数衰减
。
二是长记忆模型,以有分数差分噪声模型
(FDN)
和分整自回归滑动平均模型
(ARFIMA)
为代表
。
这些预测模型假设对象系统随时间演变是平稳的或线性的,因此,在复杂气候领域中应用时实际效果欠佳
。
当然也有专门针对非线性时间序列的预测模型,如门限自回归
(TAR)
和指数自回归
(EAR)
模型
。
它们有较苛刻的应用假设,也很难应用到 ...
【技术保护点】
【技术特征摘要】
1.
动力系统自记忆微分方程反演模型的建模方法,其特征在于:气候系统的记忆长度
m
已知时,建模步骤如下:
1)
新建一个计算机主线程;将潜在的数学对象转化为演化基因;
2)
新建两个子线程;子线程1随机产生主微分式
F
,子线程2随机产生记忆核
Core
,其自变量为记忆向量
3)
两个线程分别对初始对象演化出基因种群;各自启动一次演化进程,演化进程包括遗传
、
变异
、
交叉
、
重组;
4)
切回到主线程,演化算法自动联立两个子线程的运算结果为目标预测模型的近似解;模型在训练样本内执行一次积分,根据观测真值计算拟合误差,评估
F
的逼近效果;
5)
不断重复
3)
‑
4)
步,让种群逐代演化,计算所有种群中不同
F
的适应值;
6)
如果达到了预期精度则停机,输出预测模型;否则根据二分法继续执行
3)
‑
4)
的两个子线程
。2.
根据权利要求1所述的动力系统自记忆微分方程反演模型的建模方法,其特征在于:潜在的数学对象包括各种有一定物理意义的数学函数,常用核函数,各种数学连结符
。3.
根据权利要求2所述的动力系统自记忆微分方程反演模型的建模方法,其特征在于:演化基因直接表示为二进制
。4.
根据权利要求3所述的动力系统自记忆微分方程反演模型的建模方法,其特征在于:遗传操作具体为:在演化建模的过程中
,
当完成一次演化算法后
,
随机从
M
个个体中选择一定比...
【专利技术属性】
技术研发人员:万仕全,何文平,秦孟晟,徐莎莎,王啸华,蒋启进,马茜蓉,
申请(专利权)人:扬州市气象局,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。