买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国长江电力股份有限公司;三峡大学

摘要：本发明公开了一种数值预报产品预报误差校正方法，包括获取数值预报产品预报数据和真实气象数据并计算出预报误差；基于MIC对预报数据和预报误差进行相关性分析，筛选关联因子；采用CEEMDAN将提取的关联因子和误差分解为多个子序列；对传统北方苍鹰优化算法NGO进行改进，得到改进的北方苍鹰算法INGO；对传统LSTM网络改进，得到共享权重门控记忆网络SWGMN；采用SWGMN对每个误差子序列进行预测，将每个误差子序列的预测结果累加得到最终的误差预测结果；将预报数据减去误差预测结果得到预报误差校正结果。本发明将改进的北方苍鹰算法INGO与SWGMN相结合，利用INGO来优化SWGMN的超参数，使得SWGMN的预测性能达到最优状态，进一步提高了总体模型的校正精度。

主权项：1.数值预报产品预报误差校正方法，其特征在于，包括以下步骤：S1，获取NWP预报数据以及对应的真实数据，计算NWP预报风速与实际风速之间的误差；采用最大互信息系数对NWP预报数据中的气象因素与NWP预报风速误差进行相关性分析，并筛选出关联因子；S2，通过CEEMDAN将步骤S1筛选出的关联因子、NWP预报风速误差以及实际风速分解为一系列子序列；S3，对北方苍鹰优化算法NGO进行改进，将其狩猎半径从线性更新变为非线性更新，并且在原更新基础上加入扰动阶段，得到改进的北方苍鹰优化算法INGO；S4，对LSTM网络进行改进，将遗忘门、输入门和输出门重组成为新的共享门结构，并将LSTM中数值不同但类型相同的权重共享为统一权重，得到共享权重门控记忆网络SWGMN；S5，利用步骤S3所述INGO对步骤S4所述SWGMN模型的超参数进行寻优，以获得模型SWGMN的最优超参数组合；S6，将步骤S5中寻优所得最优超参数输入SWGMN，并分别对步骤S2中分解得到的NWP预报风速误差子序列进行预测；S7，将步骤S6中所有误差子序列的预测结果进行累加求和，得到总体预测误差，并在此基础上将NWP零点预报风速与总体预测误差相减得到最终预报校正结果；S8，对校正结果进行误差分析。

全文数据：

权利要求：

百度查询： 中国长江电力股份有限公司 三峡大学 数值预报产品预报误差校正方法