[发明专利]基于Hilbert空间多核函数相乘的风速预测方法

权利要求书

1.一种基于Hilbert空间多核函数相乘的风速预测方法，其特征在于，其包括以下步骤：

第一步：利用ARMA模型模拟生成垂直空间点脉动风速样本，将每一个垂直空间点脉动风速样本分为训练集、测试集两部分，对其分别进行归一化处理，取嵌入维数k＝10对样本数据进行相空间重构；

第二步：根据积运算在希尔伯特空间中都属于封闭运算，其结果仍属于希尔伯特空间的原理，根据Mercer核条件推导基于全局核与局部核乘法组合的核函数，利用该核函数将样本变换成为核函数矩阵，这一步相当于将输入数据通过非线性函数映射到高维特征，将RBF核与Poly核、RBF核与Line核进行乘法组合，构造组合核函数，建立核函数乘法组合的LSSVM模型；

第三步：引入PSO优化方法，对乘法组合核函数的参数：RBF核函数参数γ、惩罚参数c进行寻优，确定最优模型参数，建立基于Hilbert空间多核函数相乘的LSSVM模型；

第四步：将测试样本和利用乘法组合核函数的PSO-LSSVM预测的脉动风速结果对比，计算预测风速与实际风速的平均绝对误差、均方根误差以及相关系数。

2.根据权利要求1所述的基于Hilbert空间多核函数相乘的风速预测方法，其特征在于，所述第一步中，ARMA模型模拟m维脉动风速表示为下式：

式中，U(t)为脉动风速；A_i,B_j分别是m×m阶AR和MA模型的系数矩阵；X(t)为m×1阶正态分布白噪声序列；p为自回归阶数，q为滑动回归阶数，t为时间，i、j表示训练样本空间第i、j个元素。

3.根据权利要求1所述的基于Hilbert空间多核函数相乘的风速预测方法，其特征在于，所述归一化处理的公式为下式：

式中，为归一化后脉动风速，y_i为实际脉动风速样本，y_max为实际脉动风速最大值，y_min实际脉动风速最小值。

4.根据权利要求1所述的基于Hilbert空间多核函数相乘的风速预测方法，其特征在于，所述第三步中，设定进化次数M＝200，粒子群规模m＝30，随机产生核参数的初始位置，确定待优化参数的范围，并设置最大迭代速度，计算每个粒子的适应度值，并比较该适应度值与其历史上所在的最佳位置上的适应度值，比较全局历史最佳位置的适应度值与个体所在位置的适应度值，根据最佳适应度更新粒子的速度和位置，检验迭代终止条件；最终根据终止进化次数或适应度条件确定最优参数，建立基于Hilbert空间多核函数相乘的LSSVM模型。