收藏本站
《西安建筑科技大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

高斯过程回归在气象数据方面的应用研究

庞蕊  
【摘要】:建设低碳经济的重要环节之一就是建筑节能。作为经济稳定增长的发展中国家,我国的建筑能耗约占全国总能耗的三分之一。建筑能耗模拟与能耗预测可以有效指导建筑节能措施的实施。建立合理的室外气象参数计算模型,并获得建筑能耗用典型气象年逐时气象数据是建筑能耗模拟过程中不可缺少的环节。由于技术等原因,我国缺少记录完整的逐时气象数据。因此,定时数据逐时化和缺失数据填补是目前典型气象年研究中的重点。本文主要研究高斯过程回归算法在定时数据逐时化和缺失数据填补中的应用。依据高斯过程回归的基本原理,提出了基于高斯过程回归的气象数据逐时化算法及缺失值填补算法。并且通过对上海宝山台站气象数据的逐时化与填补研究,验证了该算法的有效性。首先依据高斯过程回归的基本原理,针对气象数据的四次定时记录与短期记录缺失的状况,分别提出了基于高斯过程回归的气象数据逐时化算法及缺失值填补算法框架。对温度与气压,设计了逐时化的两种复合协方差函数、缺失值填补的一种复合协方差函数,同时对协方差函数中的超参数进行确定,对所提出的气象数据逐时化算法及缺失值填补算法进行了细化。其次,将上述算法应用于上海宝山站的温度、气压、相对湿度数据逐时化与缺失值填补中,并将实验结果与三次样条插值方法结果进行对比。结果表明:基于高斯过程回归进行气象数据逐时化,复合协方差函数模型优于单协方差函数模型;此逐时化方法适合绝对量参数温度与气压,不适合相对量参数相对湿度;基于高斯过程回归的缺失值填补算法,对温度、气压以及相对湿度的填补结果均优于三次样条插值法的填补结果。最后本文对实验结果进行了确定性的描述,给出其95%的置信区间。实验结果表明本文提出的算法提高了气象数据逐时化及数据填补的精度。可以用于生成建筑能耗模拟所用的典型气象年逐时数据。
【学位授予单位】:西安建筑科技大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:P413; P1;O212.1

手机知网App
【参考文献】
中国期刊全文数据库 前10条
1 李红莲;杨柳;;不同典型气象年生成方法对建筑能耗的影响[J];暖通空调;2015年09期
2 甘迪;柯德平;孙元章;崔明建;;基于集合经验模式分解和遗传-高斯过程回归的短期风速概率预测[J];电工技术学报;2015年11期
3 宁经洧;王宝令;徐小龙;;严寒地区办公建筑室内照明对能耗的影响分析[J];节能;2014年06期
4 李振刚;;基于高斯过程回归的网络流量预测模型[J];计算机应用;2014年05期
5 唐慧强;李全月;刘钲江;;基于粗糙RBF神经网络的气象数据插补方法研究[J];计算机工程与设计;2014年01期
6 廖晓锋;范修斌;姜青山;;基于协方差的高斯混合模型参数学习算法[J];计算机科学;2013年S2期
7 杜占玮;杨永健;白媛;肖敏;韩丽英;;高斯过程机器学习的基线计算算法[J];小型微型计算机系统;2013年09期
8 孙斌;姚海涛;刘婷;;基于高斯过程回归的短期风速预测[J];中国电机工程学报;2012年29期
9 孙慧颖;王佳;任远;;大空间建筑防火分区方法研究[J];北京建筑工程学院学报;2012年03期
10 傅增清;;山东温室气体排放趋势与减排路径研究[J];山东财政学院学报;2012年05期
中国博士学位论文全文数据库 前2条
1 蒲清平;城市居住建筑能耗影响因素与预测模型构建研究[D];重庆大学;2012年
2 段盼;电力系统负荷及负荷率的可靠性影响模型[D];重庆大学;2012年
中国硕士学位论文全文数据库 前7条
1 闻攀;基于高斯过程的神经肌肉阻滞系统建模与控制[D];北京化工大学;2016年
2 李云龙;基于建筑动态负荷计算及设备选型的“设计气象年”的构成研究[D];重庆大学;2016年
3 侯立强;商业、办公综合体节能设计参数对能耗的影响分析[D];西安建筑科技大学;2016年
4 万玲;基于高斯过程的时间序列分类[D];中国矿业大学;2014年
5 曲轶松;基于高斯过程的数据处理的研究[D];北京交通大学;2014年
6 李剑英;改进高斯过程的硫化矿石自燃倾向性等级分类[D];辽宁工程技术大学;2012年
7 申倩倩;基于高斯过程的在线建模问题研究[D];华南理工大学;2011年
【共引文献】
中国期刊全文数据库 前10条
1 颜惠琴;;基于非线性时间序列分析的网络流量预测[J];软件导刊;2015年12期
2 杨明莉;刘三明;王致杰;张卫;丁国栋;;卡尔曼小波神经网络风速预测[J];电力系统及其自动化学报;2015年12期
3 王芳黎;;基于高斯过程回归方法的研究及应用[J];工业控制计算机;2015年11期
4 杨楠;周峥;董开松;张善咏;崔家展;;风电场输出功率的同时刻概率分布特性[J];可再生能源;2015年11期
5 DU Zhanwei;YANG Yongjian;;Semi-Automatic Remote Medicine Monitoring System of Mobile Users[J];中国通信;2015年11期
6 田立亭;李建林;程林;;基于概率预测的储能系统辅助风电场爬坡率控制[J];高电压技术;2015年10期
7 张洪;魏娟;胡俊;铁岭;;一种新型的网络实际流量预测算法[J];微电子学与计算机;2015年10期
8 黄芳;刘元君;陈波;;组合核函数高斯过程的网络流量预测模型[J];计算机工程与应用;2015年19期
9 陈伟;郭建鹏;裴喜平;李恒杰;张萍;肖骏;;风电场短期风速变化区间与变化趋势预测算法[J];电力系统及其自动化学报;2015年09期
10 汪小明;肖猛;杨楠;尹笋;;基于小波分解和极限学习机的短期风速组合预测研究[J];可再生能源;2015年08期
中国博士学位论文全文数据库 前4条
1 贾媛;西安市公共建筑能耗定额技术方法研究[D];西安建筑科技大学;2016年
2 邓建英;新建居住建筑节能监管效能评价研究[D];湖南大学;2017年
3 李小燕;发输电系统运行可靠性建模与仿真[D];合肥工业大学;2015年
4 张卫华;城镇住宅建筑能耗指标分级标准体系的基础研究[D];西安建筑科技大学;2013年
中国硕士学位论文全文数据库 前10条
1 邱小梦;高斯过程在变形监测数据处理中的研究及应用[D];东华理工大学;2018年
2 张榆薪;UAT模式下ADS-B数据评估与应用研究[D];中国民用航空飞行学院;2018年
3 徐国栋;基于BIM&FM的建筑能源管理研究[D];吉林建筑大学;2018年
4 庞蕊;高斯过程回归在气象数据方面的应用研究[D];西安建筑科技大学;2018年
5 周莹;高斯过程在建筑节能气候分区中的应用[D];西安建筑科技大学;2018年
6 刘宁宁;变电站SF6气体无线监测控制系统设计与实现[D];齐鲁工业大学;2017年
7 徐登;“设计气象年”的深化研究和应用分析[D];重庆大学;2017年
8 朱启然;空调房间温湿度PI~λD~μ解耦控制器的仿真研究及其性能分析[D];兰州理工大学;2017年
9 冯敏;基于高斯过程的标准动车组车体气动性能评价[D];兰州交通大学;2017年
10 王辅天;基于粒子滤波的混杂系统故障诊断[D];北京交通大学;2017年
【二级参考文献】
中国期刊全文数据库 前10条
1 修春波;任晓;李艳晴;刘明凤;;基于卡尔曼滤波的风速序列短期预测方法[J];电工技术学报;2014年02期
2 王贺;胡志坚;陈珍;仉梦林;贺建波;李晨;;基于集合经验模态分解和小波神经网络的短期风功率组合预测[J];电工技术学报;2013年09期
3 熊南;刘百芬;;基于自适应粒子群优化LSSVM的网络流量在线预测[J];计算机应用与软件;2013年09期
4 宋晓萍;胡常安;;离散杂草优化算法在0/1背包问题中的应用[J];计算机工程与应用;2012年30期
5 孙斌;姚海涛;刘婷;;基于高斯过程回归的短期风速预测[J];中国电机工程学报;2012年29期
6 温祥西;孟相如;马志强;张永春;;小时间尺度网络流量混沌性分析及趋势预测[J];电子学报;2012年08期
7 赵方;王静;杨海龙;;粗糙集约简在飞行器故障识别中的应用[J];计算机科学;2012年S1期
8 刘大龙;刘加平;杨柳;张卫华;;气候变化下建筑能耗模拟气象数据研究[J];土木建筑与环境工程;2012年02期
9 袁小明;;大规模风电并网问题基本框架[J];电力科学与技术学报;2012年01期
10 李志鹏;张玮;黄少平;李洪康;邓卫华;;自动气象站数据实时质量控制业务软件设计与实现[J];气象;2012年03期
中国博士学位论文全文数据库 前6条
1 李楠;夏热冬冷地区人员行为对住宅建筑能耗的影响研究[D];重庆大学;2011年
2 宋晓通;基于蒙特卡罗方法的电力系统可靠性评估[D];山东大学;2008年
3 白玮;民用建筑能源需求与环境负荷研究[D];同济大学;2008年
4 谢敏;电力市场环境下输电网规划建模及求解方法研究[D];华中科技大学;2005年
5 周平;电力市场运营的可靠性和经济性研究[D];重庆大学;2004年
6 钟波;基于软计算理论的电力系统可靠性评估模型与算法研究[D];重庆大学;2004年
中国硕士学位论文全文数据库 前10条
1 杨美林;夏热冬冷地区商业综合体能耗分析及节能空调技术应用[D];哈尔滨工业大学;2014年
2 王志强;重庆地区热反射外墙对办公建筑空调能耗影响研究[D];重庆大学;2014年
3 方彬;商业综合体建筑节能设计策略研究[D];华中科技大学;2014年
4 王志杰;寒冷地区居住建筑外围护结构综合热工性能节能研究[D];山东建筑大学;2014年
5 向操;暖通空调室外计算参数确定方法的研究[D];天津大学;2012年
6 周思宇;不同气候区围护结构节能技术对办公建筑能耗的影响[D];天津大学;2012年
7 张颖;有关共轭梯度法的一些研究[D];大连理工大学;2012年
8 魏三喜;基于高斯过程的分类算法及其应用研究[D];华南理工大学;2012年
9 魏鹏;西安市大型商场空调系统的能耗模拟与节能研究[D];西安建筑科技大学;2012年
10 申倩倩;基于高斯过程的在线建模问题研究[D];华南理工大学;2011年
【相似文献】
中国期刊全文数据库 前10条
1 钟美;赵兵涛;黄朔;;基于高斯过程回归的燃煤烟气汞排放预测[J];动力工程学报;2016年12期
2 李慧琼;;d维平稳高斯过程极集的充分条件及维数[J];数学杂志;2007年05期
3 胡爱平;伍度志;;平稳高斯过程最大值的极限分布[J];西南师范大学学报(自然科学版);2006年06期
4 谢盛荣;一类高斯过程在高水平u上的逗留[J];科学通报;1998年13期
5 陈振龙,徐赐文;d维平稳高斯过程相交局部时的几个性质[J];武汉工业大学学报;1999年06期
6 侯炳旭;俞冀阳;徐沾杰;江光明;邹志强;;利用高斯过程回归对燃爆单元宽度的预测方法研究[J];核动力工程;2017年02期
7 李棕;崔得龙;;基于高斯过程回归和强化学习的云资源调度算法[J];电子设计工程;2017年11期
8 吴明;宋博;王锋;唐红;;基于高斯过程分类的调制识别方法[J];计算机仿真;2015年10期
9 陈宗帅;杨昌明;闫利宇;;基于计算机模拟与高斯过程回归的优化设计方法[J];计算机光盘软件与应用;2014年14期
10 杨春华,彭作祥;局部平稳高斯过程的最大值与最小值的渐近独立性[J];西南师范大学学报(自然科学版);2004年02期
中国重要会议论文全文数据库 前3条
1 刘信恩;;高斯过程响应面法及其应用研究[A];中国工程物理研究院科技年报(2010年版)[C];2011年
2 何志昆;刘光斌;姚志成;赵曦晶;;基于高斯过程回归的FOG标度因数温度漂移建模新方法[A];第25届中国控制与决策会议论文集[C];2013年
3 庞梦非;唐国安;张美艳;;参数不确定性对桥梁振动特性的影响[A];第十届动力学与控制学术会议摘要集[C];2016年
中国博士学位论文全文数据库 前10条
1 潘伟;基于高斯过程的高炉炼铁过程辨识与预测[D];浙江大学;2012年
2 贺建军;基于高斯过程模型的机器学习算法研究及应用[D];大连理工大学;2012年
3 房晟辰;基于高斯过程回归及Trust-Tech的短期风电功率预测方法[D];天津大学;2016年
4 赵伟;复杂工程结构可靠度分析的高斯过程动态响应面方法研究[D];广西大学;2014年
5 徐冲;分岔隧道设计施工优化与稳定性评价[D];北京交通大学;2011年
6 刘新亮;技术引入对武器装备体系能力影响的评估方法研究[D];国防科学技术大学;2009年
7 赵静;基于高斯过程的动态系统研究[D];华东师范大学;2016年
8 赵宏旭;波动方程的高斯过程模型分析及在晶圆切割中的应用研究[D];清华大学;2010年
9 谭中权;极值及相关对象的渐近性分析[D];苏州大学;2012年
10 宋彪;无设备定位的建模与优化方法研究[D];北京科技大学;2017年
中国硕士学位论文全文数据库 前10条
1 庞蕊;高斯过程回归在气象数据方面的应用研究[D];西安建筑科技大学;2018年
2 韩淼;基于高斯过程的钱塘江涌潮预报算法研究[D];杭州电子科技大学;2018年
3 周莹;高斯过程在建筑节能气候分区中的应用[D];西安建筑科技大学;2018年
4 周晓康;基于高斯过程回归的异构无线网络室内盲区识别研究[D];哈尔滨工业大学;2018年
5 刘秋阳;多视角高斯过程的模型与算法研究[D];华东师范大学;2018年
6 王慧娟;贝叶斯高斯过程潜变量模型的研究与应用[D];华东师范大学;2018年
7 王志豪;基于免疫高斯过程算法的岩体物理力学参数位移反分析方法研究[D];北京交通大学;2018年
8 彭朝阳;基于高斯过程的表面形貌测量研究[D];中国科学技术大学;2018年
9 王赢逸;基于深度高斯过程的交通流预测[D];北京交通大学;2018年
10 何晶;基于高斯过程回归的锂电池健康预测[D];北京交通大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026