[发明专利]一种短期风速预测方法

权利要求书

1.一种短期风速预测方法，其特征在于，包括以下步骤：

(1)利用风速采集仪器每隔10-20分钟记录一次同一地区的风速数据，整理采集的原始风速数据，形成风速的时间序列用于分析预测；

(2)基于混沌理论对步骤(1)中的时间序列进行相空间重构：运用C-C法确定混沌理论中的嵌入维数和延迟时间，并进行多尺度分解和相空间重构：

设X(n),n＝1,2…，N为时间序列X_i(n)＝{X_i(n),X_i(n+τ),…X_i(n+(m-1)τ)}

(i＝1,2,…,M)为相空间中的点，C-C法的具体描述如下：

嵌入时间序列的关联积分定义为下式的函数，其中r>0

C(m,N,r,τ)=1M2Σ1≤i≤j≤Mθ(r-||xi-xj||)]]>

式中：m为嵌入维数；N为时间序列的长度；r为邻域半径的大小；τ为延迟时间；θ(·)为Heaviside单位函数，

θ(x)=0,x<01,x≥0]]>

关联维数为

D(m,τ)=limr→0logC(m,r,τ)logr]]>

其中，将时间序列X(n),n＝1,2…,N,分成t个不相交的时间序列，长度为INT(N/t)，INT为取整，对于一般的自然数t，有

{x(1),x(t+1),x(2t+1),…}

{x(2),x(t+2),x(2t+2),…}

               ·

               ·

               ·

{x(3),x(t+3),x(2t+3),…}

然后计算每个子序列的统计量S(m,N,r,τ)

S=(m,N,r,τ)=1tΣl=1t{cl(m,N/τ,r,τ)-[cl(1,N/τ,r,τ)]m}]]>

式中：C_l是第l个子序列的相关积分，局部最大间隔可以取S(·)零点或对所有的半径r相互差别最小的时间点，选择对应值最大和最小两个半径r，定义差量为：

ΔS(m，t)＝max[S(m,N,r_i,t)]-min[S(m,N,r_j,t)],i≠j

根据统计学原理，m取值在2到5之间，r的取值在σ/2和2σ之间，σ是时间序列的均方差，得到方程如下：

Scor(ti)=ΔS‾(t)+|S‾(t)|ΔS‾(t)=14Σm=25ΔS(m,N,t)S‾(t)=116Σm-25Σj=24S(m,N,rj,t)]]>

其中，为所有子序列的统计量S(m,N,r_j,t)的均值，的第一个极小值对应第一个局部最大时间τ，S_cor(t)的最小值对应时间序列独立的第一个整体最大值时间窗口，即延迟时间窗口，用τ_w＝(m-1)τ可以求出嵌入维数m，τ_w即为延迟时间τ；

(3)由步骤(2)中相空间重构生成新的样本空间，并用BP神经网络建立模型；

(4)仿真验证，对比预测结果并得出结论。