[发明专利]一种基于混合智能算法对非高斯脉动风速预测方法

权利要求书

1.一种基于混合智能算法对非高斯脉动风速预测方法，其特征在于，包括以下步骤：

步骤一：利用JT变换和AR模型模拟生成大跨度球形屋盖结构空间点非高斯脉动风速样本，将每一个空间点的非高斯脉动风速分为训练集和测试集两部分，在每次模拟试验前进行归一化处理；

步骤二：分别推导基于布谷鸟和粒子群智能算法搜索核参数和惩罚因子组成的核参数组合，并构成RBF核函数，根据Mercer定理，建立基于混合智能算法学习机模型；

步骤三：引入布谷鸟搜索算法和粒子群算法，分别对RBF核函数参数γ，惩罚函数c，权函数ω进行寻优，其中，CS对γ，PSO对c进行寻优，确定最优模型参数；利用CS+POS优化后的核函数参数组合将非高斯脉动风速训练样本变换为核函数矩阵，从低纬度空间映射到高纬度特征空间，然后对核函数矩阵进行何种线性算法，得到非高斯脉动风速训练样本的非线性模型，利用此模型对非高斯脉动风速进行预测；

步骤四：将测试样本和利用混合智能算法的CS+PSO-LSSVM预测的非高斯脉动风速结果对比，计算预测风速与实际风速的平均误差，均方根误差以及相关系数，以评价本方法的准确性。

2.如权利要求1所述的基于混合智能算法对非高斯脉动风速预测方法，其特征在于，在步骤一中，JT+AR模型模拟非高斯脉动风速描述为下式：

JT模型的输出可以表示为：

对数正态系统S_L：u＝τ+δln(y-ξ)

有界系统S_B:

无界系统S_U:

其中，u是均值为0，方差为1的标准高斯过程，而y是非高斯过程，δ，λ，ξ和τ是转换系数；

AR模型的输出可以表示为：

其中，h(i)是系统的单位冲击响应，当0≤i≤9999时，其值与输出值相等，当i≥10000时，h(i)等于0；对上式求三阶和四阶中心矩可得边缘扭曲矩关系式MMDR为：

3.如权利要求1所述的基于混合智能算法对非高斯脉动风速预测方法，其特征在于，在步骤二中，RBF核函数表示为下式：

K(x_i,x_j)＝exp[-(x_i-x_j)²/2γ²]

其中，γ为RBF核函数参数。

4.如权利要求1所述的基于混合智能算法对非高斯脉动风速预测方法，其特征在于，在步骤三中，设置粒子群规模m＝30，随机产生核函数参数的初始位置，确定待优化参数C的范围，并设置最达迭代次数，同样设置布谷鸟迭代次数，初始化鸟巢数目和位置，确定核函数参数γ的范围；

根据终止条件终止迭代，确定最优参数，建立混合智能算法的CS+PSO-LSSVM非高斯脉动风速预测模型。