【技术实现步骤摘要】
本专利技术涉及天气预报
,具体讲,涉及。
技术介绍
对于线性系统而言,从Gauss时代起,就利用最小二乘法把平面上的点拟合成直线,把高维空间的点拟合成超平面。经历了 100多年的发展,经典最小二乘法已经成为许多领域数据处理的最广泛使用的方法。但是,对于线性回归中的不适定问题,基于最小二乘法的线性回归的性能可能变得很坏,针对这种情况,众多学者研究了最小二乘回归的改进问题,提出了许多新的回归算法。岭回归(Ridge regression,简记为RR)就是其中之一,岭回归分析是一种专门用于共线性数据分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法,对病态数据的耐受性远远强于最小二乘法。岭回归算法自A. E. Hoerl和R. ff. Kennard于1962年提出以来,就得到了广泛的关注,它成功应用于科学技术和社会科学等各个方面。设给定数据D1 = Kx1, Y1) , (x2, J2) , L, (X1, yx)} (I)其中Xi G Rn,yi G R,i = 1,2,L, I,多元线性回归模型为f (x) = wT x+b,其中X= (X1, x2,…,X1)1,参数向量CO G Rn决定最小二乘回归和岭回归模型,其中,Xi G X =Rn,Rn表示n维欧式空间,R表示实数集,I表示样本个数,上标T表示转置。通过最小化目标函数
【技术保护点】
一种基于beta噪声核岭回归技术的短期风速预报方法,其特征是,包括如下步骤:包括如下步骤:通过最大似然估计导出基于beta噪声模型的损失函数,在此基础上构造基于beta噪声模型的核岭回归机,最后利用基于beta噪声模型的核岭回归技术得到短期风速预报;应用基于beta噪声模型的核岭回归技术进行短期风速预报主要通过以下几个步骤来实现:1)设给定具有beta噪声影响的数据集Dl={(x1,y1),(x2,y2),L,(xl,yl)},其中xi∈X=Rn,yi∈R,i=1,2,L,l,Rn表示n维欧式空间,R表示实数集,l表示样本个数;求取最优损失函数;2)利用遗传算法确定参数C、m、n;选取最优核函数K(·,·),m、n为Beta噪声模型的损失函数中的参数,由噪声分布的期望μ和方差σ2确定,即m=(1?μ)·μ2/σ2?μ,n=1?μ/μ·m;3)构造并求解最优化问题maxα{gDBN-KRR=-12Σi,j=1lαiαjK(xi,xj)+Σi=1lαiyi-Σi=1lαiξi(&alpha ...
【技术特征摘要】
1.一种基于beta噪声核岭回归技术的短期风速预报方法,其特征是,包括如下步骤 包括如下步骤通过最大似然估计导出基于beta噪声模型的损失函数,在此基础上构造基于beta噪声模型的核岭回归机,最后利用基于beta噪声模型的核岭回归技术得到短期风速预报;应用基于beta噪声模型的核岭回归技术进行短期风速预报主要通过以下几个步骤来实现1)设给定具有beta噪声影响的数据集D1= Kx^y1), (x2,y2) ,L, (X^y1)I ,其中Xi e X =Rn, Yi e R, i = 1,2, L, I, Rn表示η维欧式空间,R表示实数集,I表示样本个数;求取最优损失函数;2)利用遗传算法确定参数C、m、n;选取最优核函数Κ( · , ·), m、η为Beta噪声模型的损失函数中的参数,由噪声分布的期望P和方差σ2确定,即m= (1-μ) * μ2/σ2-μ,η =1- μ / μ · m ;3)构造并求解最优化问题2.如权利要求1所述的基于beta噪声核岭回归技术的短期风速预报方法,其特征是, 利用遗传算法确定参数C、m、η具体为利用遗传算法确定基于beta噪声模型的核岭回...
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。