本發(fā)明是以非參數(shù)核密度估計(jì)理論和數(shù)值天氣預(yù)報(bào)理論為基礎(chǔ)，通過構(gòu)建基于非參數(shù)核密度估計(jì)的風(fēng)速修正模型，在此基礎(chǔ)上結(jié)合數(shù)值天氣預(yù)報(bào)法(nwp)構(gòu)建風(fēng)速相位誤差修正模型，最后將此模型用于地區(qū)實(shí)際風(fēng)電場的短期風(fēng)速預(yù)報(bào)。

背景技術(shù)：

當(dāng)前對(duì)于風(fēng)速預(yù)測方法的研究主要分為物理方法與統(tǒng)計(jì)方法兩大類。

物理方法主要考慮一些物理量，如天氣數(shù)據(jù)(風(fēng)速、風(fēng)向、氣壓等)、風(fēng)電場周圍的信息(等高線、粗糙度、障礙物等)以及風(fēng)電機(jī)組的技術(shù)參數(shù)(輪轂高、穿透系數(shù)等)。其目的是找到風(fēng)電機(jī)組輪轂高度處的風(fēng)速最優(yōu)估計(jì)值，然后使用模型輸出統(tǒng)計(jì)(modeloutputstatistic，mos)以減小預(yù)測誤差，最后根據(jù)風(fēng)電場的功率曲線計(jì)算得到風(fēng)電場的輸出功率。物理模型的建模過程相對(duì)復(fù)雜，需要對(duì)風(fēng)電場所在地進(jìn)行物理建模，包括風(fēng)場的地形、地表植被及粗糙度、周圍障礙物等等；還要對(duì)風(fēng)機(jī)本身的輪轂高度、功率曲線、機(jī)械傳動(dòng)和控制策略等進(jìn)行建模，以此來估計(jì)未來時(shí)刻的風(fēng)速。其優(yōu)點(diǎn)是是不需要大量的歷史數(shù)據(jù)，只需要利用實(shí)時(shí)的數(shù)據(jù)建立預(yù)測模型進(jìn)行預(yù)測，新建立的風(fēng)電場一般選用物理方法進(jìn)行預(yù)測。

統(tǒng)計(jì)方法則在對(duì)歷史數(shù)據(jù)進(jìn)行概率學(xué)分析的基礎(chǔ)上，對(duì)未來一段時(shí)間內(nèi)氣象數(shù)據(jù)(風(fēng)速、風(fēng)向、氣壓等)進(jìn)行預(yù)測，從而轉(zhuǎn)換為風(fēng)電場輸出功率。國外采用的最簡單的統(tǒng)計(jì)模型是persistence模型，該風(fēng)電功率的預(yù)測模型的原理是假設(shè)下一時(shí)刻風(fēng)力機(jī)輸出功率等于上一時(shí)刻的風(fēng)力機(jī)輸出功率，隨著時(shí)間尺度的增加persistence風(fēng)電功率預(yù)測模型的預(yù)測精度快速下降，因此persistence風(fēng)電功率預(yù)測模型通常作為基準(zhǔn)的預(yù)測模型來其他預(yù)測模型的精度進(jìn)行比較。其他常用的統(tǒng)計(jì)模型還包括時(shí)間序列模型、人工神經(jīng)網(wǎng)絡(luò)(ann)及支持向量機(jī)(svm)等方法。然而，在上述統(tǒng)計(jì)預(yù)測方法中，風(fēng)速預(yù)測所產(chǎn)生的相位誤差依舊無法避免。

技術(shù)實(shí)現(xiàn)要素：

鑒于風(fēng)速預(yù)測精度以及神經(jīng)網(wǎng)絡(luò)存在的問題，本發(fā)明提出了一種基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)(numericalweatherprediction,nwp)的風(fēng)速預(yù)測修正方法。利用非參數(shù)核密度估計(jì)法對(duì)通過chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測得到的風(fēng)速初始預(yù)測結(jié)果誤差進(jìn)行估計(jì)，并修正chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測方法所產(chǎn)生的誤差，該方法在誤差估計(jì)時(shí)并不添加任何的人為假設(shè)環(huán)節(jié)，僅從數(shù)據(jù)本身出發(fā)尋找誤差規(guī)律，可以看作一種誤差自修正的過程；隨后，引入數(shù)值天氣預(yù)報(bào)對(duì)預(yù)測結(jié)果進(jìn)行精確修正，有效提高了風(fēng)速的預(yù)測精度。如何利用這種模型來降低初始風(fēng)速預(yù)測偏差問題是本發(fā)明要解決的關(guān)鍵問題。

為了解決上述技術(shù)是問題，本發(fā)明提出的一種基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法，包括以下步驟：

步驟一、設(shè)定數(shù)據(jù)集紀(jì)錄的均是以每小時(shí)為間隔的風(fēng)速數(shù)據(jù)，針對(duì)風(fēng)電場的風(fēng)速歷史數(shù)據(jù)使用chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)r天每小時(shí)風(fēng)速進(jìn)行預(yù)測，得到24×r個(gè)風(fēng)速預(yù)測點(diǎn)的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值；

步驟二、設(shè)定s為離當(dāng)前最近的風(fēng)速預(yù)測天數(shù)，利用離當(dāng)前最遠(yuǎn)的r-s天的每小時(shí)實(shí)際風(fēng)速值與由步驟一獲得的神經(jīng)網(wǎng)絡(luò)所預(yù)測的r天的每小時(shí)風(fēng)速之差，獲得風(fēng)速預(yù)測偏差值，得到由24×(r-s)個(gè)風(fēng)速偏差值構(gòu)成的風(fēng)速預(yù)測偏差序列；

步驟三、利用隨機(jī)游程檢驗(yàn)方法對(duì)步驟二獲得的風(fēng)速預(yù)測偏差序列進(jìn)行平穩(wěn)性檢驗(yàn)，如為非平穩(wěn)序列，則循環(huán)執(zhí)行差分法來平穩(wěn)化序列，直至該序列通過平穩(wěn)性檢驗(yàn)；

步驟四、使用n-w非參數(shù)核密度估計(jì)方法對(duì)進(jìn)行估計(jì)，非參數(shù)核密度表達(dá)式如下：

式(1)中，f(·)稱為核函數(shù)；k為風(fēng)速預(yù)測偏差樣本的維度，bji為第i個(gè)樣本第j個(gè)風(fēng)速預(yù)測偏差變量的平滑系數(shù)；核函數(shù)f(·)采用標(biāo)準(zhǔn)高斯核函數(shù)，維數(shù)k利用最終預(yù)測誤差法確定，平滑系數(shù)bji通過交叉驗(yàn)證法確定；

利用步驟三中獲得的平穩(wěn)化之后的風(fēng)速預(yù)測偏差序列，建立估計(jì)樣本xk,i＝[y1i,y2i,…yki]^t,i＝1,2…,n，利用最終預(yù)測誤差法確定非參數(shù)核密度估計(jì)樣本維數(shù)k，從而建立非參數(shù)核密度估計(jì)樣本，非參數(shù)核密度估計(jì)樣本的個(gè)數(shù)為n＝24×(r-s)-(k-1)；

步驟五、利用步驟四中得到的非參數(shù)核密度估計(jì)樣本，利用交叉驗(yàn)證法確定每個(gè)非參數(shù)核密度估計(jì)樣本xk,i＝[y1i,y2i,…yki]^t,i＝1,2…,n的平滑系數(shù)bji的數(shù)值，并利用公式(1)對(duì)s天內(nèi)風(fēng)速預(yù)測偏差進(jìn)行修正，從而得到24×s個(gè)時(shí)刻的風(fēng)速預(yù)測偏差估計(jì)值

步驟六、結(jié)合風(fēng)電場的數(shù)值天氣預(yù)報(bào)判斷s天內(nèi)風(fēng)速突變拐點(diǎn)的位置，對(duì)于風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值取步驟一得到的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值，對(duì)于非風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值利用步驟五得到的風(fēng)速預(yù)測偏差估計(jì)值進(jìn)行風(fēng)速預(yù)測值修正。

本發(fā)明基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法中，s不大于10％的r。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

通過實(shí)驗(yàn)表明，本發(fā)明中應(yīng)用基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測修正方法與應(yīng)用chebyshev神經(jīng)網(wǎng)絡(luò)、非參數(shù)核密度估計(jì)修正模型、nwp預(yù)測模型相比，對(duì)風(fēng)電場短期風(fēng)速預(yù)報(bào)其效果更好，降低了預(yù)測誤差。由分析可知，nwp的預(yù)測精度對(duì)風(fēng)速預(yù)測修正效果起著至關(guān)重要的作用，nwp對(duì)風(fēng)速突變拐點(diǎn)的錯(cuò)誤預(yù)測直接會(huì)導(dǎo)致綜合修正方法在某些預(yù)測點(diǎn)的失效，甚至導(dǎo)致預(yù)測誤差增大。

附圖說明

圖1是本發(fā)明中建立非參數(shù)核密度估計(jì)樣本的示意圖；

圖2為chebyshev神經(jīng)網(wǎng)絡(luò)和非參數(shù)核密度估計(jì)修正模型預(yù)測得到的風(fēng)速值與實(shí)際風(fēng)速值的對(duì)比圖；

圖3為風(fēng)速數(shù)值天氣預(yù)報(bào)值與實(shí)際風(fēng)速值的對(duì)比圖；

圖4為風(fēng)速數(shù)值天氣預(yù)報(bào)值與實(shí)際風(fēng)速值的風(fēng)速突變拐點(diǎn)對(duì)比圖；

圖5為chebyshev神經(jīng)網(wǎng)絡(luò)模型、非參數(shù)核密度估計(jì)誤差修正、非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)綜合修正的風(fēng)速值與實(shí)際風(fēng)速值的對(duì)比圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明技術(shù)方案作進(jìn)一步詳細(xì)描述，所描述的具體實(shí)施例僅對(duì)本發(fā)明進(jìn)行解釋說明，并不用以限制本發(fā)明。

本發(fā)明提出的一種基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法的設(shè)計(jì)思路是，首先，使用chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)風(fēng)速進(jìn)行預(yù)測，然后通過非參數(shù)核密度估計(jì)方法對(duì)風(fēng)速初始預(yù)測結(jié)果的誤差進(jìn)行估計(jì)，從而修正初始預(yù)測方法所產(chǎn)生的誤差；進(jìn)一步針對(duì)前述過程中風(fēng)速突變拐點(diǎn)處出現(xiàn)的“誤修正”問題，結(jié)合數(shù)值天氣預(yù)報(bào)法(nwp)建立了風(fēng)速相位誤差修正模型，以提前判斷風(fēng)速突變拐點(diǎn)的時(shí)刻，從而通過將非參數(shù)核密度估計(jì)和數(shù)值天氣預(yù)報(bào)結(jié)合起來引入到風(fēng)速預(yù)測領(lǐng)域，能夠有效降低神經(jīng)網(wǎng)絡(luò)初始風(fēng)速預(yù)測值的預(yù)測偏差，大大的提高了目標(biāo)風(fēng)電場對(duì)于風(fēng)速的預(yù)測精度。

本發(fā)明基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測方法的具體步驟如下：

步驟一、設(shè)定數(shù)據(jù)集紀(jì)錄的均是以每小時(shí)為間隔的風(fēng)速數(shù)據(jù)，針對(duì)風(fēng)電場的風(fēng)速歷史數(shù)據(jù)使用chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)r天每小時(shí)風(fēng)速進(jìn)行預(yù)測，得到24×r個(gè)風(fēng)速預(yù)測點(diǎn)的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值。針對(duì)風(fēng)電場的2011年4月1日至7月18日間100天的實(shí)測風(fēng)速為測試數(shù)據(jù)，首先使用2011年4月1日至5月11日共40天的風(fēng)速值建立風(fēng)速預(yù)測的chebyshev神經(jīng)網(wǎng)絡(luò)模型，選取r＝60，使用建立的chebyshev神經(jīng)網(wǎng)絡(luò)模型對(duì)5月12日至7月18共60天的每小時(shí)風(fēng)速進(jìn)行預(yù)測，得到24×r個(gè)風(fēng)速預(yù)測點(diǎn)的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值。

步驟二、設(shè)定s為離當(dāng)前最近的風(fēng)速預(yù)測天數(shù)，且s不大于10％的r，這里取s＝3，利用離當(dāng)前最遠(yuǎn)的r-s＝57天的每小時(shí)實(shí)際風(fēng)速值與由步驟一獲得的神經(jīng)網(wǎng)絡(luò)所預(yù)測的r＝60天的每小時(shí)風(fēng)速之差，獲得風(fēng)速預(yù)測偏差值，得到由24×(r-s)個(gè)風(fēng)速偏差值構(gòu)成的風(fēng)速預(yù)測偏差序列；

步驟三、利用隨機(jī)游程檢驗(yàn)方法對(duì)步驟二獲得的風(fēng)速預(yù)測偏差序列進(jìn)行平穩(wěn)性檢驗(yàn)，如為非平穩(wěn)序列，則循環(huán)執(zhí)行差分法來平穩(wěn)化序列，直至該序列通過平穩(wěn)性檢驗(yàn)；

步驟四、使用n-w非參數(shù)核密度估計(jì)方法對(duì)進(jìn)行估計(jì)，非參數(shù)核密度表達(dá)式如下：

其中，f(·)稱為核函數(shù)；k為風(fēng)速預(yù)測偏差樣本的維度，bji為第i個(gè)樣本第j個(gè)風(fēng)速預(yù)測偏差變量的平滑系數(shù)。核函數(shù)f(·)采用標(biāo)準(zhǔn)高斯核函數(shù)，維數(shù)k利用最終預(yù)測誤差法確定，平滑系數(shù)bji通過交叉驗(yàn)證法確定。

利用步驟三中獲得的平穩(wěn)化之后的風(fēng)速預(yù)測偏差序列建立估計(jì)樣本xk,i＝[y1i,y2i,…yki]^t,i＝1,2…,n，利用最終預(yù)測誤差法確定非參數(shù)核密度估計(jì)樣本維數(shù)k＝3，,從而建立非參數(shù)核密度估計(jì)樣本，建立方法如圖1所示,非參數(shù)核密度估計(jì)樣本的個(gè)數(shù)為n＝24×(r-s)-(k-1)；

步驟五、利用步驟四中得到的非參數(shù)核密度估計(jì)樣本，利用交叉驗(yàn)證法確定每個(gè)樣本xk,i＝[y1i,y2i,…yki]^t,i＝1,2…,n的平滑系數(shù)bji的數(shù)值,從而利用公式(1)對(duì)7月16日至7月18日s＝3天內(nèi)風(fēng)速預(yù)測偏差修正，從而得到24×s個(gè)時(shí)刻的風(fēng)速預(yù)測偏差估計(jì)值為說明非參數(shù)核密度估計(jì)方法修正初始預(yù)測風(fēng)速的特點(diǎn)，圖2給出該方法風(fēng)速偏差修正效果及其與chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測方法結(jié)果的對(duì)比效果。由圖2可知，非參數(shù)核密度估計(jì)法對(duì)風(fēng)速偏差的修正效果可以從兩個(gè)方面說明：第一，在風(fēng)速持續(xù)單調(diào)變化且風(fēng)速趨于線性變化階段，包括風(fēng)速持續(xù)平穩(wěn)上升、平穩(wěn)下降和風(fēng)速變化微小時(shí)，此方法對(duì)于風(fēng)速預(yù)測偏差的修正效果較為明顯。如風(fēng)速持續(xù)平穩(wěn)下降的第2-5小時(shí)、風(fēng)速持續(xù)平穩(wěn)下降的第35-38小時(shí)以及風(fēng)速變化微小的第50-53小時(shí)等；第二，在風(fēng)速變化趨勢不平穩(wěn)階段，尤其是風(fēng)速曲線突變拐點(diǎn)的下一時(shí)刻，如第25、27、33、37小時(shí)等，出現(xiàn)“誤修正”問題，修正后的預(yù)測結(jié)果很不理想，極大地影響了整體修正效果，甚至使得整體誤差評(píng)價(jià)指標(biāo)劣于修正前。產(chǎn)生這個(gè)問題的根源是單純利用數(shù)值進(jìn)行預(yù)測的普遍缺陷，即相位的滯后性。

步驟六、結(jié)合風(fēng)電場的數(shù)值天氣預(yù)報(bào)判斷7月16日至7月18日、s＝3天內(nèi)風(fēng)速突變拐點(diǎn)的位置，對(duì)于風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值取步驟一得到的chebyshev神經(jīng)網(wǎng)絡(luò)預(yù)測值，對(duì)于非風(fēng)速突變拐點(diǎn)的風(fēng)速預(yù)測值利用步驟五得到的風(fēng)速預(yù)測偏差估計(jì)值進(jìn)行風(fēng)速預(yù)測值修正。數(shù)值天氣預(yù)報(bào)對(duì)于風(fēng)速的預(yù)測效果并不十分理想，但是在此處若不考慮風(fēng)速預(yù)測的數(shù)值偏差，只關(guān)注于風(fēng)速突變拐點(diǎn)的相位預(yù)測效果，數(shù)值天氣預(yù)報(bào)則具有較好的預(yù)測效果。如圖3為在測試樣本中得到預(yù)測的72小時(shí)中，實(shí)際風(fēng)速出現(xiàn)突變拐點(diǎn)的時(shí)間點(diǎn)與數(shù)值天氣預(yù)報(bào)風(fēng)速出現(xiàn)突變拐點(diǎn)的時(shí)間點(diǎn)對(duì)照?qǐng)D，若預(yù)測時(shí)刻為風(fēng)速突變拐點(diǎn)，則用數(shù)值1表示，反之用數(shù)值0表示。圖4為風(fēng)速突變拐點(diǎn)對(duì)照?qǐng)D。由圖4可以看出，實(shí)際風(fēng)速共出現(xiàn)27個(gè)突變拐點(diǎn)，數(shù)值天氣預(yù)報(bào)風(fēng)速共出現(xiàn)38個(gè)突變拐點(diǎn)。其中數(shù)值天氣預(yù)報(bào)成功預(yù)測出21個(gè)突變拐點(diǎn)，即在這20個(gè)點(diǎn)的下一時(shí)刻點(diǎn)，若不采用其進(jìn)行風(fēng)速修正，則非參數(shù)核密度估計(jì)方法會(huì)做出不理想的修正，而導(dǎo)致誤差增大。還有7個(gè)實(shí)際突變拐點(diǎn)沒有被預(yù)測出，在這7個(gè)點(diǎn)的下一時(shí)刻，雖然非參數(shù)估計(jì)方法做出了不理想的修正，但是修正值仍然被采用了。有11個(gè)數(shù)值天氣預(yù)報(bào)突變拐點(diǎn)為錯(cuò)誤預(yù)測，即在這11個(gè)點(diǎn)的下一時(shí)刻點(diǎn)，即使非參數(shù)核密度估計(jì)方法能夠有效修正初始預(yù)測值，也無法被采用，雖然在這11個(gè)點(diǎn)預(yù)測是錯(cuò)誤的，但并不會(huì)產(chǎn)生負(fù)面的預(yù)測效果。對(duì)于在此需要預(yù)測的7月16日至7月18日的72小時(shí)來說，根據(jù)數(shù)值天氣預(yù)報(bào)預(yù)測出了38個(gè)風(fēng)速拐點(diǎn)，這38個(gè)點(diǎn)不做修正，直接使用初始預(yù)測值作為最終的風(fēng)速預(yù)測值，剩下的34個(gè)點(diǎn)使用非參數(shù)估計(jì)法進(jìn)行修正。

下面對(duì)上述算例得到的風(fēng)速偏差預(yù)測值按照誤差指標(biāo)公式進(jìn)行誤差分析。

在短期風(fēng)速預(yù)測中，基于非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)的風(fēng)速預(yù)測修正方法相比chebyshev神經(jīng)網(wǎng)絡(luò)、非參數(shù)核密度估計(jì)、數(shù)值天氣預(yù)測風(fēng)速方法而言，表現(xiàn)出了明顯好的預(yù)測效果。

評(píng)估預(yù)測效果，需要適當(dāng)?shù)脑u(píng)價(jià)指標(biāo)。常用的誤差評(píng)價(jià)指標(biāo)有平均絕對(duì)誤差、均方根誤差等。在風(fēng)速預(yù)測中，只使用一種誤差評(píng)價(jià)指標(biāo)無法全面地評(píng)估預(yù)測效果的優(yōu)劣。因此采用三種預(yù)測誤差指標(biāo)：1)平均絕對(duì)誤差(meanabsoluteerror,mae)；2)均方根誤差(rootmeansquareerror,rmse)；3)平均絕對(duì)百分比誤差(meanabsolutepercentageerror,mape)，來共同對(duì)預(yù)測效果進(jìn)行衡量。它們的計(jì)算公式如下：

其中，和x′k分別代表預(yù)測風(fēng)速值與實(shí)際風(fēng)速值；p代表預(yù)測風(fēng)速的個(gè)數(shù)。

由于實(shí)際中可能出現(xiàn)風(fēng)速為0或接近于0的情況，因此當(dāng)使用mape時(shí)，即使很小的預(yù)測偏差也可能導(dǎo)致誤差指標(biāo)接近于無窮大；而在風(fēng)速較大時(shí)，即使較大的預(yù)測偏差，誤差指標(biāo)也會(huì)很小，從而導(dǎo)致不能客觀反映預(yù)測精度。為克服mape的這一局限性，引入歷史最大風(fēng)速x′max，將mape中的實(shí)際風(fēng)速值x′k用x′max代替，并用mapem表示修正后的mape，此時(shí)mapem的表達(dá)式如下：

根據(jù)上述分析，應(yīng)用chebyshev神經(jīng)網(wǎng)絡(luò)、非參數(shù)核密度估計(jì)方法、非參數(shù)核密度估計(jì)與數(shù)值天氣預(yù)報(bào)相結(jié)合方法(即本發(fā)明風(fēng)速預(yù)測修正方法)，對(duì)7月16日至7月18日風(fēng)速進(jìn)行預(yù)測和修正，最終效果如圖5所示。根據(jù)公式(2)-(5)計(jì)算出修正前后風(fēng)速的預(yù)測誤差，結(jié)果如表1所示。

表1修正前后風(fēng)速預(yù)測誤差

通過圖5和表1可以看出，使用本發(fā)明提出的風(fēng)速預(yù)測方法可以在相當(dāng)一部分預(yù)測點(diǎn)對(duì)神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行修正，三類誤差指標(biāo)都有所改善。在此方法中，數(shù)值天氣預(yù)報(bào)起到了重要的作用，在最終的結(jié)果中，一部分風(fēng)速突變拐點(diǎn)由于數(shù)值天氣預(yù)報(bào)的不準(zhǔn)確沒有被判斷出來，導(dǎo)致不理想的修正被錯(cuò)誤采用；還有一部分非突變拐點(diǎn)被數(shù)值天氣預(yù)報(bào)誤判，導(dǎo)致理想修正沒有被利用，這些都影響了最終的修正效果。如何提高數(shù)值天氣預(yù)報(bào)的拐點(diǎn)預(yù)測能力，則是今后研究的重點(diǎn)。

盡管上面結(jié)合附圖對(duì)本發(fā)明進(jìn)行了描述，但是本發(fā)明并不局限于上述的具體實(shí)施方式，上述的具體實(shí)施方式僅僅是示意性的，而不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨的情況下，還可以做出很多變形，這些均屬于本發(fā)明的保護(hù)之內(nèi)。