西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2014年
6期
43-49
,共7页
输电线路%覆冰预测%气象过程信息挖掘%马氏距离%灰色斜率关联度%支持向量机
輸電線路%覆冰預測%氣象過程信息挖掘%馬氏距離%灰色斜率關聯度%支持嚮量機
수전선로%복빙예측%기상과정신식알굴%마씨거리%회색사솔관련도%지지향량궤
transmission line%icing forecast%meteorological processes information mining%Mahalanobis distance%gray slope-correlation%support vector machine
针对现有覆冰预测回归模型以采样点气象参量预报覆冰值的局限性,提出了一种改进的基于气象过程信息挖掘的覆冰预测方法.按线路覆冰增量将气象参量样本分为覆冰增长、维持、消融3个模糊模式类别,定义了以气象参量样本与模式类别中心的马氏距离为变量的隶属度函数,并在计算马氏距离时采用灰色斜率关联度确定各气象参量的权重.基于此,将隶属度与采样点气象参量结合,形成包含覆冰气象过程信息的高维历史数据样本,采用支持向量机进行覆冰回归模型的训练与预测.算例比较了现有的神经网络、支持向量机预测方法与提出的改进预测方法,结果表明,前两者预测的相对误差均值分别为24.50％和22.66％,而改进的预测方法相对误差均值为6.62％.考虑气象过程信息挖掘的覆冰预测模型具有更高的预测精度.
針對現有覆冰預測迴歸模型以採樣點氣象參量預報覆冰值的跼限性,提齣瞭一種改進的基于氣象過程信息挖掘的覆冰預測方法.按線路覆冰增量將氣象參量樣本分為覆冰增長、維持、消融3箇模糊模式類彆,定義瞭以氣象參量樣本與模式類彆中心的馬氏距離為變量的隸屬度函數,併在計算馬氏距離時採用灰色斜率關聯度確定各氣象參量的權重.基于此,將隸屬度與採樣點氣象參量結閤,形成包含覆冰氣象過程信息的高維歷史數據樣本,採用支持嚮量機進行覆冰迴歸模型的訓練與預測.算例比較瞭現有的神經網絡、支持嚮量機預測方法與提齣的改進預測方法,結果錶明,前兩者預測的相對誤差均值分彆為24.50％和22.66％,而改進的預測方法相對誤差均值為6.62％.攷慮氣象過程信息挖掘的覆冰預測模型具有更高的預測精度.
침대현유복빙예측회귀모형이채양점기상삼량예보복빙치적국한성,제출료일충개진적기우기상과정신식알굴적복빙예측방법.안선로복빙증량장기상삼량양본분위복빙증장、유지、소융3개모호모식유별,정의료이기상삼량양본여모식유별중심적마씨거리위변량적대속도함수,병재계산마씨거리시채용회색사솔관련도학정각기상삼량적권중.기우차,장대속도여채양점기상삼량결합,형성포함복빙기상과정신식적고유역사수거양본,채용지지향량궤진행복빙회귀모형적훈련여예측.산례비교료현유적신경망락、지지향량궤예측방법여제출적개진예측방법,결과표명,전량자예측적상대오차균치분별위24.50％화22.66％,이개진적예측방법상대오차균치위6.62％.고필기상과정신식알굴적복빙예측모형구유경고적예측정도.
