摘要
本发明为一种多信息源融合的弹道风辨识方法。包括如下步骤:(1)利用热成风公式构建风场模型Ⅰ;(2)利用SPSS分析历史数据,构建风场模型Ⅱ;(3)利用数据驱动方式,基于极限学习机ELM构建风场模型Ⅲ;(4)将通过步骤(1)~步骤(3)的风场模型得到的风向、风速数据以及真实风向、风速作为新数据集,进行归一化预处理后,转入步骤(5);(5)根据Stacking思想,利用递归神经网络Elman学习步骤(4)预处理后的多信息源数据,建立最终风场模型,辨识弹道风。本发明成本低,采用多模型集成的方式能够有效规避历史数据中的噪声对辨识精度的影响,所获得的气象风数据在时间域、空间域上更适用于火炮作战。
技术关键词
Sigmoid函数
风速
数据驱动方式
风场
递归神经网络
辨识方法
Elman神经网络
极限学习机
历史气象数据
粗糙度参数
广义逆矩阵
表达式
多模型
时间域
大气层
方位角
系统为您推荐了相关专利信息
施工设备
三维空间模型
塔吊工作
智能塔吊
安装定位设备
智能分析算法
皮肤健康状况
患者
损伤面积
操作界面
动态特性参数
尾流模型
风速预测模型
风速预测方法
风速预测系统
风速预测模型
风速预测方法
历史风速数据
反射率数据
强对流
光电转换效率
神经网络模型
光伏板阵列
冲击磨损量
虚拟三维场景