买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国电力科学研究院有限公司;国家电网有限公司;国网江苏省电力有限公司

摘要：一种基于大数据平台的高维天气预报数据降维方法，构建大数据平台，获取多源气象数据；通过所述大数据平台进行所述多源气象数据的融合，形成数值天气预报数据；对所述数值天气预报数据进行数据预处理；进行所述数值天气预报数据的维度筛选；对所述高维天气预报数据进行降维。本发明可以提高天气预报数据的有效利用率，实现电力行业数值天气预报的建立与应用。

主权项：1.一种基于大数据平台的高维天气预报数据降维方法，其特征在于，包括以下步骤：步骤1，构建大数据平台，获取多源气象数据；步骤2，通过所述大数据平台进行所述多源气象数据的融合，形成数值天气预报数据；步骤3，对所述数值天气预报数据进行数据预处理；步骤4，进行所述数值天气预报数据的维度筛选；步骤5，对所述高维天气预报数据进行降维；所述步骤5，对所述高维天气预报数据进行降维，具体包括：步骤5-1，将所述高维天气预报数据的每一维度减去该维度的均值，进行样本矩阵中心化，得到高维天气预报数据中心化矩阵Xm×n；步骤5-2，计算维度协方差矩阵；步骤5-3，计算所述维度协方差矩阵的特征向量和特征值；步骤5-4，选择最大的k个特征值对应的k个特征向量分别作为列向量组成特征向量矩阵Vn×k；其中，最大的k个特征值表示主成分的个数，数量k的选择由特征值贡献率确定；步骤5-5，计算对所述高维天气预报数据降维的结果Y＝Vn×kT×Xm×n；其中，所述步骤5-2，计算维度的协方差矩阵，具体包括：步骤5-2-1，从所述高维天气预报数据中选择多个维度样本子集；步骤5-2-2，为每个样本子集中的每个样本提取d维特征向量，其中所述特征向量包括指向相应样本和样本属性的索引；步骤5-2-3，将每个样本子集的特征向量组合成d×d的特征向量协方差矩阵，作为相应样本子集的描述符；所述特征向量协方差矩阵其中，p表示子集中的样本个数，V表示特征向量，μ是特征均值，T表示转置；步骤5-2-4，确定每一对特征向量协方差矩阵之间的成对距离值，以测量样本子集之间的相似度；所述距离值其中，λiC1，C2，i＝1,…p是两个协方差矩阵C1和C2的广义特征值；步骤5-2-5，定义距离阈值，筛选符合条件的成对协方差距离；步骤5-2-6，根据成对协方差距离值构造d×d维的距离矩阵；步骤5-2-7，并将所述距离矩阵作为高维天气预报数据维度协方差矩阵。

全文数据：

权利要求：

百度查询： 中国电力科学研究院有限公司 国家电网有限公司 国网江苏省电力有限公司 一种基于大数据平台的高维天气预报数据降维方法