申请/专利权人：长江慧控科技(武汉)有限公司

申请日：2021-01-21

公开（公告）日：2024-04-02

公开（公告）号：CN112801357B

主分类号：G06Q10/04

分类号：G06Q10/04;G06F18/25;G06F18/27;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.06.01#实质审查的生效;2021.05.14#公开

摘要：本发明属于气象预测技术领域，公开了一种日照辐射量预测方法、装置、设备及存储介质。本发明通过获取各气象站点的小时级天气预报数据，并对所述小时级天气预报数据进行预处理，以获得模型输入数据；将所述模型输入数据输入日照辐射量预测模型中进行分析，以获得各气象站点对应的预测辐射数据；对所述预测辐射数据进行逆归一化处理，以获得各气象站点对应的小时级预测日照辐射量。由于日照辐射量预测模型是由不同模型构建方法构建的多个模型融合得到的模型，而并非简单的根据现行回归构建的模型，预测精度高，可以准确的预测日照辐射量。

主权项：1.一种日照辐射量预测方法，其特征在于，所述日照辐射量预测方法包括以下步骤：获取各气象站点的小时级天气预报数据，并对所述小时级天气预报数据进行预处理，以获得模型输入数据；将所述模型输入数据输入日照辐射量预测模型中进行分析，以获得各气象站点对应的预测辐射数据；对所述预测辐射数据进行逆归一化处理，以获得各气象站点对应的小时级预测日照辐射量；所述将所述模型输入数据输入日照辐射量预测模型中进行分析，以获得各气象站点对应的预测辐射数据之前，还包括：根据训练样本集、回归预测模型及机器学习模型确定日照辐射量预测模型，所述回归预测模型包括：第一回归预测模型、第二回归预测模型及第三回归预测模型，所述第一回归预测模型、第二回归预测模型及第三回归预测模型为通过三种不同的回归算法及训练样本集构建的模型，所述机器学习模型包括：第一机器学习模型及第二机器学习模型，所述第一机器学习模型和所述第二机器学习模型为通过两种不同的机器学习算法及训练样本集构建的模型；所述根据训练样本集、回归预测模型及机器学习模型确定日照辐射量预测模型的步骤，包括：基于K折模型融合算法将所述训练样本集拆分为K个折叠，在K个连续的循环中，通过K-1折叠拟合一级回归器，所述一级回归器包括所述第一回归预测模型、所述第二回归预测模型及所述第三回归预测模型；将所述一级回归器应用于在每次迭代中未使用的模型拟合的剩余的1个折叠，获得预测值；将所述预测值叠加后输入至二级回归器进行训练，获得融合辐射预测模型；获取所述融合辐射预测模型、所述第一机器学习模型及所述第二机器学习模型分别对应的预设融合权值；基于所述预设融合权值将所述融合辐射预测模型、所述第一机器学习模型及所述第二机器学习模型进行融合，以获得日照辐射量预测模型；所述获取所述融合辐射预测模型、所述第一机器学习模型及所述第二机器学习模型分别对应的预设融合权值的步骤，包括：获取验证样本集，并根据所述验证样本集确定所述融合辐射预测模型、所述第一机器学习模型及所述第二机器学习模型分别对应的预测准确度；根据所述预测准确度确定所述融合辐射预测模型、所述第一机器学习模型及所述第二机器学习模型分别对应的预设融合权值。

全文数据：

权利要求：

百度查询： 长江慧控科技(武汉)有限公司 日照辐射量预测方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD