[发明专利]不同地域风场时间序列方向性波动的关联度测算方法

摘要

一种不同地域风场时间序列方向性波动的关联度测算方法给定两个等长时间的原序列，分别求取两个等长时间序列各自的去均值和序列，得到新序列；从正反两个方向分别将原序列和去均值和序列划分为多个不相交的等长子区间序列；每个子区间序列进行线性拟合，计算去均值和序列每个子区间的波动函数；用斜率识别原序列划分后的子区间序列的不同趋势；在双对数坐标轴中利用一个移动的拟合时间窗分别沿着方向性波动函数以及全局性波动函数在所有时间尺度s范围内进行滑动，计算整个局部关联指数时间谱,然后对所有的阶次均计算整个局部关联指数时间谱，将不同阶次下的局部关联指数时间谱定义为关联度指数。能通过变时间尺度技术精细地测算方向性波动的关联强度。

主权项

一种不同地域风场时间序列方向性波动的关联度测算方法，其特征在于，包括如下步骤：1)首先给定两个等长时间的原序列x(1)(t)和x(2)(t),t＝1,2,…,N，其中N是时间序列的长度，然后分别求取两个等长时间序列x(1)(t)和x(2)(t)各自的去均值和序列，得到新序列：y(i)(j)=Σt=1j(x(i)(t)-<x(i)>),j=1,2,...,N---(1)]]>其中2)从正反两个方向分别将原序列x(i)(t)和去均值和序列y(i)(t)划分为2Ns个不相交的等长子区间序列，其中每个子区间均含有s个数据点，Ns＝int(N/s)；3)用和分别表示划分后原序列x(i)(t)和划分后去均值和序列y(i)(t)的第j个长度为s的子区间序列，其中j＝1,2,…,2Ns，利用最小二乘法分别对每个子区间序列和子区间序列进行线性拟合：其中和代表拟合斜率，和代表拟合后的常数，和代表在k点拟合后的数值，然后计算去均值和序列y(i)(t)每个子区间的波动函数fj(s)：fj(s)=1sΣk=1s|yj,k(1)-WQj(1)||yj,k(2)-WQj(2)|,j=1,2,...,2Ns---(2);]]>4)用斜率来识别原序列划分后的子区间序列的不同趋势，当斜率时，表示划分后原序列x(i)(t)在子区间序列上呈增长趋势，当斜率时，表示划分后原序列x(i)(t)在子区间序列上呈下降趋势，设所有2Ns个子区间序列中具有增长趋势的序列个数为N+，具有下降趋势的序列个数为N‑，分别求取去均值和序列y(i)(t)对应的N+个子区间内波动函数fj(s)的平均值和对应的N‑个子区间内波动函数fj(s)的平均值来研究两个等长时间序列x(1)(t)和x(2)(t)的方向性波动关联度，在第一个原序列x(1)(t)呈增长趋势和下降趋势时，分别计算原序列x(1)(t)和原序列x(2)(t)间的方向性波动函数F+(q,s)和F‑(q,s)以及全局性波动函数F(q,s)；5)在双对数坐标轴中利用一个移动的拟合时间窗分别沿着方向性波动函数F+(q,s)和F‑(q,s)以及全局性波动函数F(q,s)在所有时间尺度s范围内进行滑动，设定一个拟合时间窗为Ri,i＝1,2,…n，为在拟合时间窗Ri下对应的局部关联指数，对于一个固定的阶次q，计算整个局部关联指数时间谱然后对所有的阶次q均计算整个局部关联指数时间谱将不同阶次q下的局部关联指数时间谱定义为关联度指数：r+(q,s)=log[ΔF+(q,s)Ri]log(ΔsRi)---(6)]]>r-(q,s)=log[ΔF-(q,s)Ri]log(ΔsRi)---(7)]]>r(q,s)=log[ΔF(q,s)Ri]log(ΔsRi)---(8)]]>其中表示在拟合时间窗Ri内的波动函数，表示在拟合时间窗Ri内的时间尺度，r+(q,s)、r‑(q,s)、r(q,s)分别表示在原序列x(1)(t)呈增长趋势、下降趋势和全局下，原序列x(1)(t)和x(2)(t)间的正向关联度指数、负向关联度指数和全局关联度指数。