一种基于大数据的风速预测方法及系统

1.本发明涉及结构风工程领域，尤其涉及一种基于大数据的风速预测方法及系统。


背景技术：

2.结构风工程就是在气象学、钝体空气动力学和结构随机振动等学科的理论基础上运用风洞试验、现场实测或数值模拟等一种或多种的方法，对结构在风荷载作用下的位移、加速度等结构响应，以及建筑周围风环境进行分析和评估，以确保结构的安全性和舒适性。
3.建筑周围的风环境直接影响着该建筑的安全性，进而需要进行建筑的抗风设计，其中，结构抗风设计主要分为建筑表面维护结构的抗风设计和主体结构的抗风设计两方面；抗风设计的主要参考因素是建筑所处区位的风速情况，这不仅需要考虑当前的风速情况，还需要考虑历史数据情况，并预测未来某一时间点的风速情况，进而保证该建筑能够在预测风速的前提下满足抗风设计要求，因此，急需一种基于大数据的风速预测方法及系统，通过大数据的方法，对建筑所在区域进行风速预测，为建筑的设计施工提供数据支持。


技术实现要素：

4.为了解决现有技术中存在的目的，本发明的目的是提供一种基于大数据的风速预测方法及系统，基于时间、风向、风速、温度、气压等数据，通过大数据预测的方法进行基于时间的风速预测，以及基于空间的风速预测，并根据线性回归的方法，将上述预测结果相互结合后，获取最终的风速预测结果，为建筑设计施工提供了数据支持。
5.为了实现上述技术目的，本发明提供了一种基于大数据的风速预测方法，包括以下步骤：
6.采集目标地区的历史风速数据，其中，历史风速数据包括时间信息、风向信息、风速信息、温度信息、气压信息；
7.基于时间信息，获取风速信息与风向信息、温度信息、气压信息的第一信息关系；
8.基于目标地区的区位信息，获取历史风速数据与区位信息的第二信息关系，其中，区位信息用于表示目标地区的地理位置信息；
9.基于线性拟合的方法，将第一信息关系和第二信息关系进行处理，构建目标地区的风速预测模型，其中，风速预测模型用于通过获取目标地区的当前风速数据，进行风速区位分布与走势预测。
10.优选地，在获取历史风速数据的过程中，基于时间信息，获取风向信息、风速信息、温度信息、气压信息；
11.根据时间信息的分布特征，将风向信息、风速信息、温度信息、气压信息进行分类，构建历史风速数据。
12.优选地，在生成第一信息关系的过程中，基于相关函数模型，分别获取风向信息对于风速信息的第一关系，温度信息对于风速信息的第二关系，气压信息对于风速信息的第三关系；
13.根据第一关系、第二关系、第三关系，生成第一信息关系。
14.优选地，在生成第一信息关系的过程中，基于线性回归的方法，通过第一关系、第二关系、第三关系，构建基于时间信息的第一风速预测子模型，用于生成第一信息关系。
15.优选地，在生成第二信息关系的过程中，在不考虑时间信息的前提下，获取历史风速数据与区位信息的第四关系，生成基于区位信息的第二信息关系。
16.优选地，在获取第二信息关系的过程中，基于具有单隐藏层的ann模型，依据获取的第四关系、第五关系，构建用于风速空间预测的第二风速预测子模型，用于生成第二信息关系。
17.优选地，在构建风速预测模型的过程中，基于第一风速预测子模型和第二风速预测子模型，通过线性拟合方法，构建风速预测模型，其中，风速预测模型用于根据时间信息和区位信息，通过获取风向信息、温度信息、气压信息，预测基于时间信息和区位信息的风速情况。
18.本发明公开了一种基于大数据的风速预测系统，包括：
19.数据采集模块，用于采集目标地区的历史风速数据，其中，历史风速数据包括时间信息、风向信息、风速信息、温度信息、气压信息；
20.第一数据处理模块，用于基于时间信息，获取风速信息与风向信息、温度信息、气压信息的第一信息关系；
21.第二数据处理模块，用于基于目标地区的区位信息，获取风速信息与区位信息、时间信息的第二信息关系，其中，区位信息用于表示目标地区的地理位置信息；
22.风速预测模块，用于基于线性拟合的方法，将第一信息关系和第二信息关系进行处理，构建目标地区的风速预测模型，其中，风速预测模型用于通过获取目标地区的当前风速数据，进行风速区位分布与走势预测。
23.本发明公开了以下技术效果：
24.本发明不仅考虑了时间特征上的风速变化情况，还考虑了空间特征上的风速变化情况，通过线性回归的方法进行结合后，显著提高了预测性能，为建筑设计施工中的抗风设计提供了数据支撑。
附图说明
25.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
26.图1为本发明实施例所述的方法流程图；
27.图2是本发明实施例所述的系统结构图。
具体实施方式
28.下为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术
实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
29.实施例1：作为示例性地，如图1所示，本发明提供了一种基于大数据的风速预测方法，包括以下步骤：
30.采集目标地区的历史风速数据，其中，历史风速数据包括时间信息、风向信息、风速信息、温度信息、气压信息；
31.基于时间信息，获取风速信息与风向信息、温度信息、气压信息的第一信息关系；
32.基于目标地区的区位信息，获取历史风速数据与区位信息的第二信息关系，其中，区位信息用于表示目标地区的地理位置信息；
33.基于线性拟合的方法，将第一信息关系和第二信息关系进行处理，构建目标地区的风速预测模型，其中，风速预测模型用于通过获取目标地区的当前风速数据，进行风速区位分布与走势预测。
34.进一步优选地，本发明在获取历史风速数据的过程中，基于时间信息，本发明获取风向信息、风速信息、温度信息、气压信息；
35.根据时间信息的分布特征，将风向信息、风速信息、温度信息、气压信息进行分类，构建历史风速数据。
36.进一步优选地，本发明在生成第一信息关系的过程中，基于相关函数模型，本发明分别获取风向信息对于风速信息的第一关系，温度信息对于风速信息的第二关系，气压信息对于风速信息的第三关系；
37.根据第一关系、第二关系、第三关系，生成第一信息关系。
38.进一步优选地，本发明在生成第一信息关系的过程中，基于线性回归的方法，本发明通过第一关系、第二关系、第三关系，构建基于时间信息的第一风速预测子模型，用于生成第一信息关系。
39.进一步优选地，本发明在生成第二信息关系的过程中，本发明在不考虑时间信息的前提下，获取历史风速数据与区位信息的第四关系，并生成了基于区位信息的第二信息关系。
40.进一步优选地，本发明在获取第二信息关系的过程中，基于具有单隐藏层的ann模型，本发明依据获取的第四关系、第五关系，构建用于风速空间预测的第二风速预测子模型，用于生成第二信息关系。
41.进一步优选地，本发明在构建风速预测模型的过程中，基于第一风速预测子模型和第二风速预测子模型，本发明通过线性拟合方法，构建风速预测模型，其中，风速预测模型用于根据时间信息和区位信息，通过获取风向信息、温度信息、气压信息，预测基于时间信息和区位信息的风速情况。
42.本发明提到的风速预测方法中，主要是基于时空数据进行大数据预测，时空数据表示为空间数据和时间数据，空间数据可以理解为在不考虑时间数据的基础上，基于某一特定时刻下不同区域位置的数据，这些数据可以表示为不同目标位置，可以表示为同一目标位置的不同空间位置；时间数据可以理解为在不考虑空间数据的前提下的目标位置的当
前数据和历史数据。从时空数据的特征的角度来看，这些数据包括时间、风向、风速、温度、气压等。
43.这里以风向数据为例，在获取风向数据的过程中，可以根据空间数据获取在不同空间特征中的风向数据，分析方向受空间的影响，也可以根据时间数据获取在不同时间段的风向数据，这里提到的不同时间段可以理解为白天、晚上，或以节气、月份为单位的时间段，通过对于不同时间对应的历史数据的分析总结，可以得到风向随着时间的变化规律，进而分别获取两种不同表象的分步走势图。这时，分别获取不同数据对应的走势图，合并到一个走势图中，可以看到每种数据之间的相互影响，进而分析出，某一时空区域中，风速的分布特征以及走势，将上述的分析过程，通过大数据分析模型来实现，进而，当对于目标区域在某一个时空特征点的风速走势，只需要测量当前风速数据即可预测出未来的走势，进而为建筑的设计、建造提供了相应的数据支持。
44.在基于时间数据进行分析时，可以看到，数据之间呈线性分步，进而可以通过线性分析方法来实现时间数据的分析过程，而基于空间数据时，数据的分步却呈非线性分步，这时，则需要深度学习的方法来进行识别分析，这里我们选用的是ann深度学习网络来实现基于空间数据的风速预测。
45.实施例2：作为示例性地，如图2所示，本发明公开了一种基于大数据的风速预测系统，用于实现如实施例1提到的风速预测方法，包括：
46.数据采集模块，用于采集目标地区的历史风速数据，其中，历史风速数据包括时间信息、风向信息、风速信息、温度信息、气压信息；
47.第一数据处理模块，用于基于时间信息，获取风速信息与风向信息、温度信息、气压信息的第一信息关系；
48.第二数据处理模块，用于基于目标地区的区位信息，获取风速信息与区位信息、时间信息的第二信息关系，其中，区位信息用于表示目标地区的地理位置信息；
49.风速预测模块，用于基于线性拟合的方法，将第一信息关系和第二信息关系进行处理，构建目标地区的风速预测模型，其中，风速预测模型用于通过获取目标地区的当前风速数据，进行风速区位分布与走势预测。
50.实施例3：作为示例性地，本发明还公开了一种计算机程序，用于根据如实施例1提到的基于大数据的分析方法，实现风速预测方法，并形成可运行程序，嵌入到数据终端，通过采集目标地区的风速数据，对目标地区进行风速预测。
51.实施例4：作为示例性地，本发明还公开了一种可移动存储设备，用于承载根据如实施例3提到的可运行程序，与数据终端连接后，获取风速数据并进行预测，获取目标地区的风速数据。
52.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
53.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产
品的形式。
54.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。