[发明专利]一种基于LLE的温度场预测方法

权利要求书

1.一种基于LLE的温度场预测方法，其特征在于，该方法包括以下步骤：

S1：将真实温度场三维图像作为训练图像，定义扫描训练图像的数据模板，利用数据模板扫描训练图像，获取包含训练图像结构特征的模式，并建立模式库；

S2：采用LLE对训练图像的模式进行降维；

S3：采用k-中心点算法对降维后的模式分类，获取多个分类子空间，对每个分类子空间求取平均值；

S4：设定三维温度场预测区域，初始化条件数据，并定义预测模拟时的访问路径；

S5：利用访问路径对待预测区域进行访问，判断区域内是否仍有未知节点，若是，执行下一步，否则，结束访问；

S6：判断待预测区域中是否有条件数据，若是，执行下一步，否则，从模式库随机提取一个模式后，执行步骤S8；

S7：采用欧式距离函数对条件数据和分类子空间中的平均值求差异，在差异值最小的模式所对应的分类子空间中提取任意一个模式作为模拟结果；

S8：将提取的模式拷贝至待预测区域，获取当前预测区域的预测值；

S9：重复执行步骤S5，对待预测区域其他未知节点继续模拟，直到随机访问路径上的所有节点被模拟完毕。

2.根据权利要求1所述的一种基于LLE的温度场预测方法，其特征在于，所述的步骤S1的具体内容为：

假设数据模板为τ_D，该数据模板为D个向量h_α组成的几何形态，即τ_D＝{h_α；α＝1，2，…，D}；设数据模板的中心位置为u，数据模板的其他位置为u_α＝u+h_α；利用数据模板扫描训练图像来捕获数据事件作为模式，模式包含训练图像的结构特征；设ti(u)为以u为中心的模式，ti(u+h_α)(α＝1，2，…，D)为u+h_α位置的状态值，则模式ti(u)的表达式为：

ti(u)＝(ti(u+h₁)，ti(u+h₂)，…，ti(u+h_D))

即模式ti(u)和数据模板τ_D的尺寸相同；

将各个模式从训练数据中抽取出来形成模式库，假设模式库中的模式个数为N_pat，那么第k(k＝1，2，…，N_pat)个模式pat_k的表达式为：

pat_k＝(pat_k(h₁)，pat_k(h₂)，…，pat_k(h_D))

其中，模式向量pat_k(h_α)与状态值ti(u+h_α)一一对应，整个模式库patDb可以表示为：

模式pat_k视为模式空间中的一个模式点，一个模式点代表该模式的数据。

3.根据权利要求2所述的一种基于LLE的温度场预测方法，其特征在于，所述的步骤S2具体包括以下步骤：

21)确定邻近节点，通过欧氏距离选择与每个模式pat_i距离最近的K个邻近点；

22)计算每个模式点与其周围邻近点的重构权值w_ij，获取重构权值矩阵W，其中，若两个点不是邻近点，则w_ij＝0；否则

23)定义一个损失函数，对损失函数最小化，获取低维映射Y。

4.根据权利要求3所述的一种基于LLE的温度场预测方法，其特征在于，所述的步骤21)中，两个模式pat_i和pat_j的欧式距离d(pat_i,pat_j)(i，j＝1，2，…，N_pat)的定义如下：

。

5.根据权利要求4所述的一种基于LLE的温度场预测方法，其特征在于，所述的步骤22)中，重构权值矩阵W的获取公式为：

。