[发明专利]海洋湿度预测方法、系统、装置及存储介质

说明书

本发明公开了一种海洋湿度预测方法、系统、装置及存储介质，本发明海洋湿度预测方法，对于海洋气象数据间断性缺失的填补需求和气象数据的变化特点，采用BP神经网络算法作为基本预测算法，并基于海洋气象数据现状和特点，提出融合插值与二次灰度关联分析改进粒子群优化BP神经网络算法预测逐时湿度。解决了由于海洋气象数据匮乏而造成的难以实现海洋湿度逐时预测的问题，采用二次灰度关联分析算法，很大程度上提高了BP神经网络对湿度数据的预测速度和预测精度。

技术领域

本发明属于海洋的湿度预测方法，具体涉及一种基于融合插值与二次灰度关联神经网络海洋湿度预测方法、系统、装置及存储介质。

背景技术

采暖和空调能耗是各类民用建筑能耗的主要组成部分，气象参数是建筑节能设计和暖通空调系统运行的基础。运用模拟软件进行动态建筑能耗模拟来计算、预测、评估和优化建筑能耗和室内环境舒适性成为建筑节能设计过程中一种越来越普遍的研究方法，模拟结果的可靠性很大程度上取决于能否获得高质量的逐时气象数据来描述当地的天气状况。

在以往的研究中针对湿度预测的研究，大多采用集总参数法对湿度进行预测，通过列出湿度各组成部分的平衡方程式，采用机理建模的方法实现对湿度的预测。针对海洋湿度的预测采用传统的湿度预测方法存在很大的缺陷：(1)影响海洋湿度的因素很多且彼此之间存在耦合，很难使用机理建模机理海洋湿度的预测模型；(2)海洋气象数据匮乏，很多地区缺少建立机理建模所需要的数据且海洋湿度受气候和区域的影响很大，使用集总参数法建立各海域的湿度预测模型难以实现；(3)通过机理建模建立海洋湿度预测模型，由于模型的计算过程复杂，导致预测效率和准确度低，难以满足建筑节能设计的需要。

发明内容

为了解决现有技术中存在的问题，本发明提供一种海洋湿度预测方法、系统、装置及存储介质，融合插值与二次灰度关联神经网络，以解决常用插值方法使用不便、计算麻烦且对个别能耗模拟关键气象参数预测精度较差这一问题。

为实现上述目的，本发明采用如下技术方案：

本发明的第一个方面，一种融合插值与二次灰度关联神经网络的海洋湿度预测方法，包括如下步骤：

获取湿度相关气象因素数据；

将所述湿度相关气象因素数据输入预设的海洋湿度预测模型；

所述海洋湿度预测模型输出海洋湿度预测数据。

具体的，所述海洋湿度预测模型的获取方式如下：

采用GRA筛选湿度相关气象因素数据，得到与湿度相关的带预测时刻的气象数据；

对所述与湿度相关的带预测时刻的气象数据进行插值，得到能够实现逐时预测的连续函数，将所述连续函数作为测试集数据；

将湿度相关气象因素的历史数据作为目序列，将待预测时刻数据作为子序列，根据关联度筛选出与待预测时刻气象环境相似度大于预设值的数组，进而得到训练集数据；

利用所述训练集和测试集数据确定BP神经网络的结构，使用改进的粒子群算法对BP神经网络气象参数的初始权值与阈值寻优，得到最终的海洋湿度预测模型。

具体的，所述与湿度相关的带预测时刻的气象数据为关联度大于0.95与湿度相关的逐时的气象数据。

具体的，所述关联度大于0.95与湿度相关的逐时的气象数据为：带预测时刻的温度、预测时刻的露点温度、预测时刻的大气压，分别使用hermite插值、线性插值、Akimna插值对带预测时刻的温度、预测时刻的露点温度、预测时刻的大气压进行插值处理。

具体的，所述改进的粒子群算法的改进惯性权重ω_n如下所示：