带约束的多尺度风速插值和预测方法研究

发布时间：2020-11-03 13:39

　　 大气再分析数据在应用过程中需要根据需求将低分辨率数据插值成高分辨率数据。传统方法多采用线性插值和指数插值。这些方法误差较大,因此在二维空间序列计算中,通常采用单一尺度高斯过程回归进行插值;在一维时间序列计算中,通常采用循环神经网络对风速值进行预测。但是上述方法都建立在被插值变量组分单一且与其他变量相互独立的假设上,这些方法都忽略了气象数据的物理意义和物理约束。风速信号本身是多个物理过程导致的结果,与温度、气压、密度等气象变量有复杂的非线性关系,因而风速序列的插值计算需要考虑多尺度特征和多变量约束,否则可能会丢失序列中隐藏的重要信息。本文将在不同方面对风速空间插值和时间预测方法进行改进,以提高再分析数据应用计算的准确率。本文的主要工作和贡献是以下两个方面:(1)本文提出了一种风速多尺度插值核函数,改进了用于风速空间序列插值的高斯过程回归方法。传统的核函数是由一个单一尺度的风速协方差函数和独立高斯噪声项组成。本文根据风速多尺度特点,将核函数构造为由大尺度风速协方差函数、中小尺度风速协方差函数、空间相关噪声协方差函数和独立高斯噪声组成的组合核函数。实验选取16°E不同高度和17°E~27°E50km高度纬向风和经向风再分析数据为样本数据,以2°为间隔建模,以1°为间隔插值验证。实验结果表明,相对于线性插值、指数插值和单一平方指数协方差核函数插值,本文提出的风速多尺度插值方法纬向风和经向风插值均方根误差(RMSE)更低,使用纬向风和经向风分量计算的误差远小于使用风速向量之模和风速向量角度计算的误差。风速多尺度插值方法的优化效果随垂直高度增加而增大。由于数据是沿着经线选取,因此多尺度核函数经向风分量插值的均方根误差比单一尺度核函数插值、线性插值的均方根误差减小了30%以上,这表明本文提出的风速多尺度插值核函数是有效的。(2)本文提出了一种采用风速状态向量进行多变量约束短期风速预测方法。本文将风速时间序列元素由单一纬向风(或经向风)标量改进为纬向风(或经向风)与温度、位势高度、相对湿度组成的状态向量,分别应用到基于长短期记忆网络(LSTM)的序列到序列(Seq2Seq)预测方法中。实验选取115°E和130°E北半球区域的1948年-1972年再分析数据进行训练,选取1973-1975年数据进行验证。在相同时间步长情况下,由风速、温度、位势高度组合构成的三种状态向量明显改善了向量整体预测结果和纬向风分量(或经向风分量)预测结果。其中,由风速u、温度t、位势高度h组成的3维状态向量(u,t,h)的两种预测均方根误差(RMSE)都达到最低。而包含相对湿度rh的状态向量(u,t,h,rh)不仅未改善预测结果反而使均方根误差(RMSE)更大。上述实验结果表明,基于长短期记忆网络(LSTM)的多变量约束风速预测方法能够有效地优化风速时间序列预测结果,但是优化程度取决于风速状态向量各个分量的相关程度。相关度高的变量构成的风速状态向量优化效果明显,而不合适的状态向量可能会让结果变差。在中高纬度,状态向量(u,t)、(u,h)、(u,t,h)会整体提高向量的预测准确性,也会单独提高风速变量的预测准确性。其中,状态向量(u,t,h)在实验区域所有范围中(115°E~130°E 10°N~80°N)预测的准确性最高,且适用范围最广。本文方法在西雅图地表风预测中的预测结果比NOAA的高空风预报的预测结果准确性更高。
【学位单位】：国防科学技术大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：P425;P413
【部分图文】：

图 2-3 几种常见激活函数中（b）tanh 双曲正切函数，（c）是 logistic sigmoid 函数：221tanh( )1xxexe (2-38)1( )1xxe (2-39)2tanh'( a ) 1 tanh( a)(2-40) '( a ) ( a )(1 ( a))(2-41)这些不同的激活函数本质是相同的，可以经过一些运算关系相互转化。也是说，某个隐藏层用tanh作为激活的任意网络都可以用另一个隐藏层用logisticigmoid作为激活的网络表示。而区分这些激活函数的原因是，对于相同的输入，不同的应用场景可能需要不同的输出，例如如果输出的内容是一个概率，那么活函数就需要用logistic sigmoid。tanh 和 logistic sigmoid 的一个重要特点是——非线性。在非线性分类界限划

向传播和只有一个隐藏层的多层感知机类似，不同之处在源于该时刻的外部输入和前一个时刻的该隐藏层激活函数x的时间长度是T ，I 代表输入神经元x的个数，H 个隐藏神元。tix 表示时刻 t 时第 i 个输入，tja 和tjb 分别是时刻 t 的第 活函数。隐藏层神经元有1' '1 ' 1I Ht t th ih i h h hi ha w x w b ( )t th h hb a微的， 和thb 可从 t 1时刻递推逐时次计算，通常0ib 的初络的输出层：1Ht kk hk hha w b 传播
【参考文献】

相关期刊论文 前10条

1 黄安;杨联安;杜挺;张彬;宋英强;王安乐;秦进;;基于多元成土因素的土壤有机质空间分布分析[J];干旱区地理;2015年05期

2 张升堂;张楷;;椭圆指数函数降水空间插值模型[J];南水北调与水利科技;2015年03期

3 张玉虎;刘凯利;陈秋华;胡欣欣;;区域气象干旱特征多变量Copula分析——以阿克苏河流域为例[J];地理科学;2014年12期

4 何志昆;刘光斌;赵曦晶;王明昊;;高斯过程回归方法综述[J];控制与决策;2013年08期

5 杨成生;张勤;张双成;赵超英;;改进的Kriging算法用于GPS水汽插值研究[J];国土资源遥感;2013年01期

6 曾耀;李春峰;;基于RBF多变量时间序列的滑坡位移预测研究[J];长江科学院院报;2012年04期

7 管孝艳;王少丽;高占义;吕烨;王长生;;基于多变量时间序列CAR模型的地下水埋深预测[J];农业工程学报;2011年07期

8 李权;周兴社;;基于KPCA的多变量时间序列数据异常检测方法研究[J];计算机测量与控制;2011年04期

9 吴栋梁;王扬;郭创新;杨健;;基于改进GMDH网络的风电场短期风速预测[J];电力系统保护与控制;2011年02期

10 张宇;郭振海;张文煜;黄鹤;;中尺度模式不同分辨率下大气多尺度特征模拟能力分析[J];大气科学;2010年03期

相关硕士学位论文 前1条

1 苏鹏宇;考虑风速变化模式的风速预报方法研究[D];哈尔滨工业大学;2013年

本文编号：2868650