[发明专利]基于异方差噪声孪生LSSVR的风速预报装置及方法在审
申请号: | 202010805239.1 | 申请日: | 2020-08-11 |
公开(公告)号: | CN112329805A | 公开(公告)日: | 2021-02-05 |
发明(设计)人: | 张仕光;刘超;周婷;苏亚娟;王伟;袁秋云 | 申请(专利权)人: | 河南师范大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/18;G06Q10/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 453007 河*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 方差 噪声 孪生 lssvr 风速 预报 装置 方法 | ||
1.一种基于异方差噪声孪生LSSVR的风速预报装置,其特征在于包括:
损失函数获取模块,用于获取待预测地区具有异方差噪声影响的风速数据集Dl,计算得到基于异方差噪声特性的损失函数;
对偶问题求解模块;用于建立基于异方差噪声特性孪生最小二乘支持向量回归的原问题PTLSSVR-HGN,推导并求解出基于异方差噪声特性孪生最小二乘支持向量回归对偶问题DTLSSVR-HGN;
决策函数构造模块;用于确定基于异方差噪声特性孪生最小二乘支持向量回归对偶问题的惩罚参数及核参数,选取核函数,构造基于异方差噪声特性孪生最小二乘支持向量回归的决策函数;
风速预报模块;用于构造风速预报模式并预测风速值。
2.一种权利要求1所述的基于异方差噪声孪生LSSVR的风速预报装置的预报方法,其特征在于包括以下步骤:
A、获取待预测地区具有异方差噪声影响的风速数据集Dl,计算得到基于异方差噪声特性的损失函数;
B、使用基于异方差噪声特性损失函数建立基于异方差噪声特性孪生最小二乘支持向量回归的原问题,推导并求解基于异方差噪声特性孪生最小二乘支持向量回归的对偶问题;
C、确定基于异方差噪声特性孪生最小二乘支持向量回归对偶问题的惩罚参数及核参数,选取合适的核函数;构造基于异方差噪声特性孪生最小二乘支持向量回归的上界和下界函数,最后构造决策函数;
D、构造基于异方差噪声特性的孪生最小二乘支持向量回归的风速预报模型,利用上述风速预报模型对风速进行预报。
3.根据权利要求2所述的基于异方差噪声孪生LSSVR的风速预报装置的预报方法,其特征在于:步骤A中,利用Bayesian原理和最大化后验概率方法,求解出基于异方差噪声特性的损失函数为其中,是异方差变量,ξi为已知的独立同分布的随机变量。
4.根据权利要求3所述的基于异方差噪声孪生LSSVR的风速预报装置的预报方法,其特征在于:步骤B中,基于异方差噪声特性的孪生最小二乘支持向量回归的原问题为:
其中,是异方差变量,C1,C2是惩罚参数,l为样本个数,yi(i=1,…,l)为测量值,ξi(i=1,…,l)为已知的独立同分布的随机变量,Φ:Rn→H为核变换,H为Hilbert空间,ω1,ω2为参数向量,T为转置,b1,b2∈R;式中的PTLSSVR-HGN表示基于异方差噪声特性孪生最小二乘支持向量回归的原问题,表示基于异方差噪声特性孪生最小二乘支持向量回归原问题的目标函数。
5.根据权利要求4所述的基于异方差噪声孪生LSSVR的风速预报装置的预报方法,其特征在于:步骤B中,构造Lagrange泛函:
应用Lagrange乘子法,得到基于异方差噪声特性孪生最小二乘支持向量回归原问题的对偶问题,其中,为Lagrange乘子。
6.根据权利要求5所述的基于异方差噪声孪生LSSVR的风速预报装置的预报方法,其特征在于:步骤C中,所述基于异方差噪声特性的孪生最小二乘支持向量回归对偶问题为:
其中,l为样本个数,惩罚参数C1,C2>0;为异方差变量;s.t.为subjectto的缩写,表示基于异方差噪声特性孪生最小二乘支持向量回归对偶问题的目标函数,为Lagrange乘子,yi(i=1,…,l)为测量值,K(xi,xj)为核函数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南师范大学,未经河南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010805239.1/1.html,转载请声明来源钻瓜专利网。