[发明专利]基于beta噪声核岭回归技术的短期风速预报方法

权利要求书

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D_l＝{(x₁，y₁)，(x₂，y₂)，L，(x_l，y_l)}，其中x_i∈X＝Rⁿ，y_i∈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(αi)+CΣi=1l((1-m)log(ξi(αi))+(1-n)log(1-ξi(αi))))}s.t.Σi=1lαi=0---(5)]]>

其中ξi(αi)=(2+αi/C-m-n)-[(αiC+m-n)2+4(1+mn-m-n)]1/22αiC,]]>C＞0是惩罚因子，st.为subject to的缩写，表示基于beta噪声模型核岭回归对偶问题的目标函数；

得到最优解α＝(α₁，α₂，L，α_l)，α₁、α₂、α₃为拉格朗日乘子；

4)构造回归函数

f(x)=ωT·Φ(x)+b=Σi=1lαiK(xi,x)+b---(6)]]>

其中b=yi-Σj=1lαjK(xj,xi)-ξi(αi),]]>Φ：Rⁿ→H为核变换，H为Hilbert空间，K(x_i，x_j)＝(Φ(x_i)gΦ(x_j))，ω∈Rⁿ为参数向量，(Φ(x_i)gΦ(x_j))表示H空间中的内积。

求取最优损失函数是，利用数据集D_l估计函数f(x)，通过极大化似然函数的方法来得到最优损失函数：

c(x，y，f(x))＝-logp(y-f(x))(7)

其中，p(y-f(x))＝p(ξ)表示误差ξ的概率密度函数，c(x_i，y_i，f(x_i))＝c(ξ_i)表示在样本点(x_i，y_i)进行预测时所得到预测值f(x_i)与y_i比较所产生的损失，c(ξ)表示损失函数。得beta噪声模型的损失函数为：

c(ξ_i)＝c(y_i-f(x_i))＝(1-m)logξ_i+(1-n)log(1-ξ_i)(8)。