[发明专利]G-L混合噪声特性v-支持向量回归机的风速预报方法

摘要

本发明涉及基于G‑L混合噪声特性v‑支持向量回归机的风速预报方法，该方法包括如下步骤：1）获取风速数据集Dl，利用Bayesian原理，得到Gauss‑Laplace混合噪声特性的经验风险损失函数；2）利用统计学习理论和凸优化技术，结合步骤1）中的损失函数，建立基于Gauss‑Laplace混合噪声特性的v‑支持向量回归模型的原问题，利用Lagrange乘子法推导并求解出该v‑支持向量回归模型对偶问题；3）确定该v‑支持向量回归模型对偶问题的最优参数，选取核函数，构造该v‑支持向量回归模型的决策函数；4）构造该v‑支持向量回归模型的风速预报模式，利用该预报模式预报分析风速值。该方法包括经验风险损失函数获取模块、对偶问题求解模块、决策函数构造模块及风速预报模块。本发明能够满足实际应用中，如风力发电、农业生产等，对风速预报精度的要求。

主权项

1.基于G‑L混合噪声特性v‑支持向量回归机的风速预报方法，其特征在于，该方法包括如下步骤：1)获取某地区具有噪声影响的风速数据集Dl，利用Bayesian原理，得到基于G‑L混合噪声特性的损失函数c(ξ)；2)利用统计学习理论和最优化理论，结合步骤1)中得到的基于G‑L混合噪声特性的损失函数c(ξ)，建立基于G‑L混合噪声特性v‑支持向量回归模型的原问题，利用Lagrange法推导并求解出基于G‑L混合噪声特性v‑支持向量回归模型的对偶问题；3)利用十折交叉验证技术确定基于G‑L混合噪声特性v‑支持向量回归模型的对偶问题的惩罚参数及权重参数，选取核函数K(·,·)；构造基于G‑L混合噪声特性v‑支持向量回归模型的决策函数f(x)；4)构造基于G‑L混合噪声特性v‑支持向量回归模型的风速预报模式：输入向量为其中i,j(i,j＝1,2,…,l)为相关联的两个时刻；输出值为x_i+step，其中step为预测间隔时间，利用该预报模式预报分析某一时刻i以后step间隔时刻的风速值。