[发明专利]基于集合预报数据的风速预测方法

权利要求书

1.一种基于集合预报数据的风速预测方法，其特征是，根据欧洲中期天气预报中心ECMWF(European center for medium-range weather forecasts)集合预报产品，每个预报时效产生的51个预报成员，使用CART(Classification And Regression Tree)剪枝的方法挑选最优成员，利用最优成员构建GBDT(Gradient Boosting Descision Tree)模型，最终实现基于集合预报数据的风速预测。

2.如权利要求1所述的基于集合预报数据的风速预测方法，其特征是，具体步骤细化如下：

(1)集合预报数据的预处理

1)使用渤海湾A平台风速实测数据，确定风速标签数据；

2)以格点形式将集合预报DAT格式数据读出，构造样本数据；

3)处理集合预报数据缺失值；

4)对同一预报时效的数据进行排序；

(2)挑选最优成员

1)决策树的生成：通过排序后的集合预报数据，生成CART回归决策树；

2)对决策树进行剪枝，得到划分结点；

3)确定划分属性：计算每个划分结点在排序后的数据中所占的百分位值，得到最优百分位成员；

4)生成最优子树，根据保留的划分节点集，得到最优成员集；

(3)基于最优成员构建梯度提升树模型

1)构建训练集和测试集；

2)初始化GBDT模型；

3)设置终止迭代次数M，通过训练样本构建CART回归树；

4)得到叶子节点区域Rmj及对应输出cm；

5)更新强回归模型，迭代次数m加1；

6)判断迭代次数m是否大于终止迭代次数M，若是，则进行步骤7)；否则，返回步骤2)；

得到最终预测模型，对训练集进行测试，得到测试结果。

3.如权利要求2所述的基于集合预报数据的风速预测方法，其特征是，处理集合预报数据缺失值具体步骤是，按照线性插值的方式补充缺失值；对于整行缺失的情况，将整行删除。补充缺失值的线性插值法：

其中，x为补充的缺失值估计值，x₁为缺失值数据的前一个数据，x₂为缺失值数据的后一个数据。