[发明专利]一种建筑物周边气温预测方法

摘要

本发明公开了一种建筑物周边气温预测方法，包含以下顺序的步骤：将每日的室外气温和城市气温的数值分别记录为一维时间序列，得到准备训练序列；计算预测系数；进行局部线性预测；进行连续性预测。本发明的预测方法，将建筑物室外气温和建筑物所在城市气温的历史数据、气象部门提供的未来城市气温的预测数据都纳入预测模型之中，相对于单一数据源的预测方法，本方法可以显著提高预测精度。 1

主权项

1.一种建筑物周边气温预测方法，其特征在于，包含以下顺序的步骤：将每日的室外气温和城市气温的数值分别记录为一维时间序列，得到准备训练序列；计算预测系数；进行局部线性预测；进行连续性预测；具体包含以下顺序的步骤：S1.准备训练序列：将每日的室外气温和城市气温的数值分别记录为一维时间序列：x(1),x(2),x(3),......,x'(1),x'(2),x'(3),......设待预测的值为局部线性预测器的阶数为K，则对的预测可表示为：其中x＝[x'(n),x(n‑1),...,x(n‑K+1)]^T为样本向量，c＝[c₁,c₂,...,c_K]^T为系数向量，为预测值；根据线性估计的最小均方误差准则，c应满足尤利沃克方程：Rc＝d其中,R＝E(xx^T)为样本向量的局部自相关矩阵，为输入向量与期望响应的局部互相关向量；E(·)表示取随机变量期望的操作；设训练序列的长度为M，意味着两组训练数据为：x(n),x(n‑1),...,x(n‑M+1)，x'(n),x'(n‑1),...,x'(n‑M+1)；S2.计算预测系数：通过S1中两组长为M的训练序列，可以构造M‑K+1个预测方程；即可以将训练序列分成M‑K+1组，其中第i组的样本向量为：x_i＝[x'(i),x(i‑1),...,x(i‑K+1)]^T，期望响应为：构造的预测方程为：则自相关矩阵和互相关向量可以按下式进行估计：其中，为各个样本向量按列合成的矩阵；然后，即可计算系数向量：c＝R‑1dS3.进行线性预测：由估计出的系数向量，即可对次日室外气温进行预测；其中，为待预测的次日室外气温，x'(n)为次日城市气温，次日城市气温从气象部门的天气预报中获知；x(n‑1),...,x(n‑K+1)为当日室外气温；S4.连续性预测：当时间向前推移一段时间段后，训练序列和样本向量会随之更新，从而估计出新的预测系数，进行后面一段时间段的室外气温预测。