[发明专利]一种基于机器学习的激光雷达测风运动补偿方法和系统

权利要求书

1.一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，所述方法包括如下步骤：

获取固定在浮标上激光雷达测风数据和运动传感器数据作为特征变量，获取固定在浮标附近固定安装的标准测风设备的测风数据作为目标变量；

将所述特征变量和目标变量进行数据预处理，其中所述数据预处理包括将特征变量和目标变量中的角度数据转化为余弦或正弦变量；

将所述特征变量和目标变量预处理后组成的数据集划分为训练集和测试集；将训练集输入到多个机器学习模型中进行训练；

根据R方和平均绝度误差组成的评价指标，使用测试集对上述多个模型训练结果进行评估，选取最优的机器学习模型；

使用KFold方法划分数据集并对最优模型进行交叉验证，获取最优机器学习模型的最佳超参数；

将特征变量和目标变量预处理后组成的数据集及最佳超参数输入选取的最优机器学习模型中进行训练，得到训练好的最优机器学习模型；

将待运动补偿的测风数据及运动数据输入训练好的最优机器学习模型，得到补偿后的实际测风数据。

2.根据权利要求1所述的一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，所述特征变量和目标变量获取方法包括：

获取浮标上激光雷达检测的高度、风向、水平风速和垂直风速，其中风向为正北的偏离角度；

获取同一浮标上运动传感器的俯仰角、航向角和横滚角；

获取靠近相同浮标固定安装的满足相同测风标准的标准测风设备检测的高度、风向、水平风速和垂直风速。

3.根据权利要求1所述的一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，所述数据预处理的方法包括：检测并剔除特征变量和目标变量异常值，将所述特征变量和目标变量进行标准化并划分为训练集和测试集。

4.根据权利要求1所述的一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，所述数据预处理方法包括：获取所述特征变量和目标变量的角度数据，将所述角度数据转化为余弦变量或正弦变量，并建立余弦变量或正弦变量和角度的映射关系，并在完成模型训练后转化为角度值：

θ→(sin(θ)，cos(θ))；

arctan2(sin(θ)，cos(θ))→θ。

5.根据权利要求1所述的一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，所述数据预处理方法包括：采用四分位数范围对特征变量和目标变量的数据集进行缩放，将所述数据集进行标准化，所述数据集标准化的计算方法包括：

v_i为同一类型数据集中的某个值，且median是同一类型数据集的中位数，IQR是样本的四分位距。

6.根据权利要求1所述的一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，所述评价模型的计算方法包括：

其中MAE为平均绝对误差，R²为拟合优度，y_i是观测值，是预测值，是平均值。

7.根据权利要求5所述的一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，将预处理后的数据集划分为训练集和测试集，将训练集输入到多个机器学习模型中，其中所述机器学习模型包括：Lasso模型，ElasticNet模型，GradientBoost模型，XGB模型，LGB模型和SVR模型，获取每个机器学习模型输出预测值，并根据所属评价模型的评价标准，使用测试集判断最优机器学习模型。

8.根据权利要求7所述的一种基于机器学习的激光雷达测风运动补偿方法，其特征在于，采用KFold方法将所述数据集划分为N个互斥的子集，每次将其中一个不同于前次的子集做为测试集，剩下的N-1个子集作为训练集输入到所述最优机器学习模型中得到N个结果进行交叉验证，根据验证结果得到最佳超参数。

9.一种基于机器学习的激光雷达测风运动补偿系统，其特征在于，所述系统执行所述权利要求1-8中任意一项所述的一种基于机器学习的激光雷达测风运动补偿方法。

10.一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机程序，所述计算机程序可被处理器执行所述权利要求1-8中任意一项所述的一种基于机器学习的激光雷达测风运动补偿方法。