摘要
本发明公开了一种基于机器学习的能见度预测方法,属于能见度预测技术领域,包括以下步骤:获取历史气象数据,对历史气象数据进行预处理后进行特征选择得到时间序列特征和气象数据特征集;构建能见度预测模型,将时间序列特征、气象数据特征集输入至能见度预测模型中进行训练,利用损失函数和梯度下降进行优化,得到训练好的能见度预测模型;基于训练好的能见度预测模型进行能见度预测,得到预测结果;通过该方法得到的能见度预测模型对实际数据进行预测,发现模型的预测结果与实际观测数据吻合良好,表明能够有效的对能见度进行预测。
技术关键词
历史气象数据
时间序列特征
相对湿度
能见度预测技术
特征选择
皮尔逊相关系数
风速
更新模型参数
随机梯度下降
表达式
模型预测值
误差函数
非线性
定义
系统为您推荐了相关专利信息
模糊聚类算法
预警方法
均值算法
网络流量数据
网络信息安全技术
气象数据分析方法
风光
数据分析系统
机器学习算法
气象数据分析技术
风电出力特性
风险评估方法
风电出力预测
判断电力系统
概率密度函数
支持向量机模型
随机森林
特征选择
变量
模型误差