欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017100983073
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法,其特征在于:包括以下步骤:

步骤1:采集被检站被检t时刻气温tep(t),即实际观测值,及t时刻前某一长度的小时数据构成气温时间采样信号{x(t′)|t′=1,2,…,n},其中t为实时采样时间,t′为历史采样时间,两者满足关系t′=t-n+1,n为历史采样时间的长度;

步骤2:对历史气温序列信号{x(t′)|t′=1,2,…,n}进行基本质量控制,得到基本控制后的数据步骤3:根据公式 对基本质量控制

后的数据 进行相空间重构PSR,得到N个维数为m的矢量信号 其中,N

=n-(m-1)τ,m、τ为相空间重构参数嵌入维数和时间延迟;

步骤4:根据独立分量分析,步骤3得到的高维矢量信号包括源信号真实信息部分和噪声信息部分,即ICA混叠模型 其中, 为步骤3中得到的高维矢量信号,即混叠信号;A为未知混合矩阵; 为理想的相互独立、无污染的高维矢量信号;ni为噪声项;根据ICA解混模型 求取源信号真实部分的无偏估计值 其中 为基于某一目标函数的最优解叠矩阵W下的源信号 的估计信号;运用快速独立分量分析FastICA算法的基于负熵非高斯性最大化原理求解解叠矩阵W,得到去噪、独立统计高维信号步骤5:根据步骤4中FastICA分析所得高维矢量信号 与步骤2中经基本质量控制后的历史采样信号 按照高维矢量信号与对应时刻的历史采样信号的原则,构建在线序贯极限学习机OS_ELM样本集,即 其中,训练集、测试集为前N-1个;

经过训练、测试得到在被检t时刻、在历史高维信号 下的气温tep(t)重建模型,即步骤6:在步骤5中得到的OS_ELM模型中输入 得到被检时刻气温的重建值即 完成去噪后气温的重建;

步骤7:将t时刻去噪重建气温值 与采样值tep(t)进行比较,若两者差值绝对值在某一阈值δ内,即 则通过质量检测,否则认为观测数据tep(t)可疑,用去噪重构值修正实际观测值,即步骤8:令t=t+1,重复步骤1到步骤7,完成对历史观测气温高维去噪、实时气温重建及疑误修正的质量控制过程。

2.根据权利要求1所述的一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法,其特征在于:所述步骤2中,进行的基本质量控制操作包括界限值检查、气候极值检查、时变检查、内部均一性检查和空间一致性检查。

3.根据权利要求1所述的一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法,其特征在于:所述步骤3中,PSR技术参数中,嵌入维数m的选取采用了最小虚假近邻法,时间延迟τ采用了互信息法决定。

4.根据权利要求1所述的一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法,其特征在于:所述步骤4中,解叠矩阵W、去噪和去冗余高维矢量信号的求取是基于最大熵近似负熵原理,即目标函数为J(y)=[E{G(y)}-E{G(ygauss)}]2,其中G(·)是任意二次函数,y、ygauss为零均值和方差的变量,即高维矢量信号

5.根据权利要求1所述的一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法,其特征在于:所述步骤5中,在去噪高维矢量-气温的重建模型中,训练、测试样本个数按照随机3:1比例随机分配。

6.根据权利要求1所述的一种基于PSR-FastICA-OS_ELM的自动气象站实时数据质量控制方法,其特征在于:所述步骤7中,临界阈值δ按照公式δ=f·rmse(x(t′))计算,其中f为质控灵敏度参数,与实际质控效果相关;rmse(x(t′))为t时刻历史采样信号{x(t′)|t′=1,

2,…,n}的均方根误差。