[发明专利]基于beta噪声核岭回归技术的短期风速预报方法

说明书

技术领域

本发明涉及天气预报技术领域，具体讲，涉及基于beta噪声核岭回归技术的短期风速预报方法。

背景技术

对于线性系统而言，从Gauss时代起，就利用最小二乘法把平面上的点拟合成直线，把高维空间的点拟合成超平面。经历了100多年的发展，经典最小二乘法已经成为许多领域数据处理的最广泛使用的方法。但是，对于线性回归中的不适定问题，基于最小二乘法的线性回归的性能可能变得很坏，针对这种情况，众多学者研究了最小二乘回归的改进问题，提出了许多新的回归算法。岭回归(Ridge regression，简记为RR)就是其中之一，岭回归分析是一种专门用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的耐受性远远强于最小二乘法。岭回归算法自A.E.Hoerl和R.W.Kennard于1962年提出以来，就得到了广泛的关注，它成功应用于科学技术和社会科学等各个方面。设给定数据：

D_l＝{(x₁，y₁)，(x₂，y₂)，L，(x_l，y_l)}(1)

其中x_i∈Rⁿ，y_i∈R，i＝1，2，L，l，多元线性回归模型为f(x)＝ω^T·x+b，其中x＝(x₁，x₂，…，x_l)^T，参数向量ω∈Rⁿ决定最小二乘回归和岭回归模型，其中，x_i∈X＝Rⁿ，Rⁿ表示n维欧式空间，R表示实数集，l表示样本个数，上标T表示转置。通过最小化目标函数：

gLR=Σi=1l(yi-ωT·xi-b)2---(2)]]>

gRR=12ωTω+CΣi=1l(yi-ωT·xi-b)2---(3)]]>