| 主权项 |
一种用于短期风速预测方法中相空间重构方法，其特征在于，包括以下步骤：(1)利用风速采集仪器每隔10‑20分钟记录一次同一地区的风速数据，整理采集的原始风速数据，形成风速的时间序列用于分析预测；(2)基于混沌理论对步骤(1)中的时间序列进行相空间重构：运用虚假邻点法和自相关法分别确定混沌理论中的嵌入维数和延迟时间，并进行多尺度分解和相空间重构：m维相空间中，每个相点为X(t)＝{x(t),x(t+τ),...,x(t+(m‑1)τ)}t＝1,2,...m，都存在某个距离内最近邻点X<sub>f</sub>，其距离为R<sub>m</sub>(t)＝||X(t)‑X<sub>f</sub>(t)||，当相空间的维数从m增加到m+1维时，这两个相点的距离发生变化，而成为<img file="dest_path_FDA0000751692790000011.GIF" wi="883" he="106" />若R<sub>m+1</sub>(t)比R<sub>m</sub>(t)有变化，则两个相邻的点在投影到低维相空间时变成伪最近邻点，令<img file="dest_path_FDA0000751692790000012.GIF" wi="659" he="172" />若Sm>St，则X<sub>f</sub>(t)是X(t)的虚假最近邻点，阈值St可在[10,50]之间选择，对实测时间序列，从嵌入维数的最小值开始计算伪最近邻点的比值，当增加嵌入维m到伪最近邻点的比值小于5％或者伪最近邻点不再随着嵌入维数m的增加而减少时，可以认为奇异吸引子完全展开，此时的m即为嵌入维数；对于连续变量x(t),其自相关函数C(τ)定义为<img file="dest_path_FDA0000751692790000013.GIF" wi="620" he="154" />式中：τ为时间的移动值，表示两时刻t和t+τ运动过程的相互关联或相近似的程度。当x(t)的幅值一定时，C(τ)越大，则意味着x(t)与x(t+τ)关联越大。当τ变 小时，两个时刻的间隔也变小，两个运动过程的关联程度变大；反之，当τ变大时，两个运动过程的关联程度变小，最后趋近于0，对于离散混沌时间序列x(1),x(2),...x(t),...序列的时间跨度为jτ的自相关函数为：<img file="dest_path_FDA0000751692790000021.GIF" wi="612" he="142" />由此可固定j，做出自相关函数关于时间τ(即使τ＝1,2,…d)的函数图像，则自相关函数下降到初始值的(1‑1/e)倍时，所得的时间τ即是重构相空间的延迟时间τ；(3)由步骤(2)中相空间重构生成新的样本空间，并用BP神经网络建立模型；(4)仿真验证，对比预测结果并得出结论。 |
