[发明专利]一种基于局部时空特征融合的覆冰预测方法

权利要求书

1.一种基于局部时空特征融合的覆冰预测方法，它包括：

步骤1、采集传感器覆冰拉力以及气象数据构建数据集；

步骤2、进行数据预处理；

步骤3、图网络构建；

步骤4、模型训练，直到训练条件终止，生成训练好的模型，用于预测未来覆冰拉力值。

2.根据权利要求1所述的一种基于局部时空特征融合的覆冰预测方法，其特征在于：它还包括：步骤5、为了验证基于局部空间的时序覆冰预测方法的有效性，采用真实数据集对LSTM、GRU和基于局部空间的时序覆冰预测方法进行覆冰预测对比实验，将RMSE和MAE作为模型误差分析指标，用于评估各种方法的序列预测性能。

3.根据权利要求2所述的一种基于局部时空特征融合的覆冰预测方法，其特征在于：它还包括：所述误差分析指标计算公式如下：

其中代表预测的覆冰拉力，y_i代表真实的覆冰拉力值，n是测试数据集样本数量。

4.根据权利要求2所述的一种基于局部时空特征融合的覆冰预测方法，其特征在于：所述真实数据集每间隔60分钟进行采样，输入的历史窗口长度为48小时，预测长度为24小时，传感器终端数量303个，经过异常数据处理后，训练集16785条，验证集3895条，测试集4901条。

5.根据权利要求1所述的一种基于局部时空特征融合的覆冰预测方法，其特征在于：所述构建数据集包括：构建覆冰拉力序列数据集:X＝{x_t|t＝1,2...,n},x_t∈R^l,需要预测的拉力序列:Y＝{y_t|t＝1,2...,n},y_t∈R^l，相对应的环境变量序列数据集:F＝{f_t|t＝1,2...,n},f_t∈R^l×9，样本数量为n，输入历史窗口大小为l；前向预测步数为p。

6.根据权利要求5所述的一种基于局部时空特征融合的覆冰预测方法，其特征在于：所述进行数据预处理的方法为：V＝(v-mean)/σ，其中mean为平均值，σ为标准差；取X以及F的前60％为训练集，剩余的两个20％为验证集和测试集，构建训练集D_train＝(X_60％,F_60％,Y_60％)，验证集D_valid＝(X_20％，F_20％，Y_20％)，测试集D_test＝(X_20％，F_20％，Y_20％)。