[发明专利]一种基于SVM技术的海上大风预报方法

说明书

本发明公开了一种基于SVM技术的海上大风预报方法，涉及海上大风预测领域，包括S1、历史风速变化数据采集，采集海上风速历史数据；S2、风速数据预处理，基于经验小波变化的自适应阈值处理对风速数据进行预处理；S3、建立预测模型，基于SVM技术建立预测模型；S4、实时监测预报，利用预测模型对海上大风进行预测；该基于SVM技术的海上大风预报方法，通过将去噪后的风速数据分成训练样本和测试样本，并基于SVM建立预测模型，利用训练样本进行预测模型的迭代训练以及利用测试样本进行预测模型检测，通过实时采集海上风速数据并形成测试集，将测试集输入预测模型以得到预测结果。

技术领域

本发明涉及海上大风预测技术，具体涉及一种基于SVM技术的海上大风预报方法。

背景技术

由于海上观测资料的相对缺乏以及海上大风突发性强、阵性明显、瞬时性突出等特点，海上大风的预报依然是个难点和重点。在海上及沿海区域，其影响因素较多且复杂无规律，强烈的大气扰动甚至可形成海上风暴，海上大风会给航运、渔业及沿海城市带来影响，因此，及时预测海上大风的风速未来变化趋势是非常必要的。

风速预测的方法很多，成熟的有持续预测法、神经网络法、时间序列分析法、卡尔曼滤波法等，常规的风速预测方法是基于历史风速时间序列的一种延伸预测方法，在风速较稳定的区域，预测的效果较好，但当风速突变时，风速数据中混有一定噪声，导致预测效果明显降低。

发明内容

本发明的目的是提供一种基于SVM技术的海上大风预报方法，以解决现有技术中的上述不足之处。

为了实现上述目的，本发明提供如下技术方案：一种基于SVM技术的海上大风预报方法，包括S1、历史风速数据采集，采集海上风速历史数据；S2、风速数据预处理，基于经验小波变化的自适应阈值处理对风速数据进行预处理；S3、建立预测模型，基于SVM技术建立预测模型；S4、实时监测及预报，利用预测模型对海上大风进行预测。

进一步地，所述风速数据预处理通过载入风速历史数据并将其分解为不同分量，以及进行自适应阈值处理和重构信号以输出去噪的风速数据。

进一步地，所述去噪后的风速数据分成训练样本和测试样本，并基于SVM和CS算法建立预测模型，利用训练样本进行预测模型的迭代训练以及利用测试样本进行预测模型检测。

进一步地，所述风速历史数据采集为风电场每间隔指定时间采集的风速数据。

进一步地，所述经验小波变化的自适应阈值处理为通过正交小波变换将原始信号进行分解，利用分层阈值对采集的信号进行处理，以滤除噪声。

进一步地，所述重构包括对风速历史数据处理后的各分量进行逆变换，以最大限度恢复原信号数据。

进一步地，所述实时监测预报通过实时采集海上风速数据并形成测试集，将测试集输入预测模型以得到预测结果。

与现有技术相比，本发明提供的一种基于SVM技术的海上大风预报方法，具有以下有益效果：

1、该基于SVM技术的海上大风预报方法，通过将去噪后的风速数据分成训练样本和测试样本，并基于SVM建立预测模型，利用训练样本进行预测模型的迭代训练以及利用测试样本进行预测模型检测，通过实时采集海上风速数据并形成测试集，将测试集输入预测模型以得到预测结果。

2、该基于SVM技术的海上大风预报方法，通过正交小波变换将风速信息进行三层分解形成四个分量，利用分层阈值对采集的信号进行处理，以滤除噪声，重构包括对风速历史数据处理后的各分量进行逆变换，以最大限度恢复原信号数据，从而获得重构后的风速数据，通过自适应阈值处理方法去噪后有效地保护有效信号的振幅特征，进而提高预测模型的准确性。