城市建设理论研究(电子版)
城市建設理論研究(電子版)
성시건설이론연구(전자판)
ChengShi Jianshe LiLun Yan Jiu
2013年
15期
,共1页
缺测数据插补%风资源评估%神经网络%复杂地形
缺測數據插補%風資源評估%神經網絡%複雜地形
결측수거삽보%풍자원평고%신경망락%복잡지형
东南沿海复杂地形条件下,同一区域其他测风塔和临近气象台之间数据相关性较差(通常认为相关性小于0.8),因此缺测风速数据或无效数据较难插补。如何较为准确的对该情况下的数据进行修复,对于该区域的风资源评估具有重要意义。本文运用神经网络模型,根据精度确定最优时间序列长度,以此长度时间序列风速作为样本对神经网络模型进行训练,再对连续缺测的风资源数据进行预测,结果表明初始缺测数据预测误差较小,随后预测误差较大,平均预测精度较好,绝对预测误差较大;由于缺测数据预测难度较大,仅能以前段时间序列为预测原始数据,因此预测精度提高有较大困难。
東南沿海複雜地形條件下,同一區域其他測風塔和臨近氣象檯之間數據相關性較差(通常認為相關性小于0.8),因此缺測風速數據或無效數據較難插補。如何較為準確的對該情況下的數據進行脩複,對于該區域的風資源評估具有重要意義。本文運用神經網絡模型,根據精度確定最優時間序列長度,以此長度時間序列風速作為樣本對神經網絡模型進行訓練,再對連續缺測的風資源數據進行預測,結果錶明初始缺測數據預測誤差較小,隨後預測誤差較大,平均預測精度較好,絕對預測誤差較大;由于缺測數據預測難度較大,僅能以前段時間序列為預測原始數據,因此預測精度提高有較大睏難。
동남연해복잡지형조건하,동일구역기타측풍탑화림근기상태지간수거상관성교차(통상인위상관성소우0.8),인차결측풍속수거혹무효수거교난삽보。여하교위준학적대해정황하적수거진행수복,대우해구역적풍자원평고구유중요의의。본문운용신경망락모형,근거정도학정최우시간서렬장도,이차장도시간서렬풍속작위양본대신경망락모형진행훈련,재대련속결측적풍자원수거진행예측,결과표명초시결측수거예측오차교소,수후예측오차교대,평균예측정도교호,절대예측오차교대;유우결측수거예측난도교대,부능이전단시간서렬위예측원시수거,인차예측정도제고유교대곤난。