[发明专利]一种基于PR-KELM的输电线路覆冰厚度预测模型的建模方法

权利要求书

1.一种基于PR-KELM的输电线路覆冰厚度预测模型的建模方法，其特征在于，包括对图像数据、气象数据以及力学数据进行特征提取的第一阶段，以及采用PR-KELM模型建立输电线路覆冰厚度预测模型的第二阶段，其中：

所述第一阶段包括：对于图像数据，通过将所述图像数据转换成局部二值模式图像数据Data_n×m，并利用主成分分析算法对所述图像数据Data_n×m进行降维，得到低维度特征数据，根据所述低维度特征数据处理局部二值模式图像得到降维后的图像；将所述降维后的图像分成若干小块，计算每一小块图像的灰度直方图，进一步计算整个图像的灰度直方图联级，得到提取后的图像数据特征；

对于气象数据以及力学数据，采用ReliefF算法进行特征筛选，去掉高度相关的冗余特征，得到提取的气象以及力学特征数据；

所述第二阶段包括：将第一阶段提取的图像数据特征、气象以及力学特征数据组成特征数据，将原始图像数据中的覆冰等级作为标签数据，共同构成样本数据，并按照一定比例将所述样本数据分割为训练数据与测试数据；所述第二阶段包括训练过程以及测试过程：利用训练数据对PR-KELM模型进行训练，利用测试数据对训练完成的PR-KELM模型进行测试，最终得到输电线路覆冰厚度预测模型。

2.根据权利要求1所述的基于PR-KELM的输电线路覆冰厚度预测模型的建模方法，其特征在于，所述第一阶段对于图像数据的特征提取中，所述局部二值模式图像数据Data_n×m为n×m维特征矩阵，矩阵中的子元素表示对应的图像样本中灰度值为m-1的像素点的个数，n表示原始图像样本个数，m表示LBP图像中的灰度值数量。

3.根据权利要求1所述的基于PR-KELM的输电线路覆冰厚度预测模型的建模方法，其特征在于，所述采用主成分分析算法对所述图像数据Data_n×m进行降维的具体过程为：

计算所述LBP图像数据Data_n×m中各个维度对应的平均值计算各维度数据与平均值的差值，得到新值数据DataAdjust_n×m：

DataAdjust_n×m(j,i)＝Data_n×m(j,i)-mean(i)；

计算新值数据DataAdjust_n×m的协方差矩阵；

基于所述协方差矩阵得到协方差矩阵的特征值和特征向量；

通过极大似然估计对所述LBP图像数据Data_n×m做维度估计，根据估计结果选择降序排列的前k个特征值，将所述k个特征值对应的特征向量矩阵EigenVectors_n×k作为映射空间的基底；

将新值数据DataAdjust_n×m映射到基底空间，得到新的低维度特征数据F_n×k：

F_n×k＝DataAdjust_n×m·EigenVectors_m×k，

其中，k表示得到的低维度特征数据的维度数量，利用所述低维度特征数据F_n×k对LBP图像进行处理得到降维后的图像。

4.根据权利要求1所述的基于PR-KELM的输电线路覆冰厚度预测模型的建模方法，其特征在于，所述第一阶段对于图像数据的特征提取中，利用直方图统计每一小块图像中各灰度值对应的像素点个数，得到每一小块图像的灰度直方图；所述每一小块图像的灰度直方图共同构成整个图像的灰度直方图联级。