求真分享 http://blog.sciencenet.cn/u/zlyang 求真务实

博文

[请教] 计算风速时间序列之间“相关性”的最好定量方法

已有 5021 次阅读 2015-8-28 16:46 |系统分类:科研笔记|关键词:风速,,风电,,预测,,相似性,,,相关性,,距离,,,相关系数| 预测, 相关性, 相似性, 风电, 风速

[请教] 计算风速时间序列之间“相关性”的最好定量方法

         

    “距离distance”、“相似性similarity”的计算,是当前智能信息处理中基础性的方法。

    我们在做风电功率预测,基本上属于“非平稳时间序列”预测。因此,需要在“近大远小”的原则下,定量估计两段风速时间序列之间的“相似性”

    我们想要能直接反映两段风速时间序列之间“数值”相似性的“距离,或相似性”的定量计算方法。因为猜想“风速数值之间的相似性”,比“风速概率密度之间的相似性”,更能反映我们的需求。

请问:

   (1)“动态时间弯曲距离(dynamic time warping,DTW)”好吗?

   (2)还有什么当前流行的先进方法?以便发表论文。

   (3)介绍各种距离和相关性的当前权威的英文文献,都有哪些

感谢您的指教!

参考文献:

[1] Salton G, McGill M J. Introduction to modern information retrieval [M]. York: McGraw-Hill Book Company, 1983.

         

—————— 相关背景 ——————

    目前可用于距离和相似性计算的具体方法很多,如:

    欧氏距离(Euclidean distance)、标准化欧氏距离(standardized Euclidean)、切比雪夫(Chebychev)、马氏距离(Mahalanobis)、兰氏距离(Lance and Williams distance,Canberra)、绝对值距离(cityblock)、方差加权距离(seuclidean?)、夹角余弦(cosine)、闵可夫斯基距离(Minkowski)、巴氏距离(Bhattacharyya)、汉明距离(Hamming)、信息熵(information entropy)、杰卡德距离(Jaccard)、Hausdorff 距离、Hellinger 距离、卡方距离(χ2 distance)、earth mover's distance、动态时间弯曲距离(dynamic time warping)。

    皮尔逊积矩相关系数(Pearson product-moment correlation coefficient,PPMCC或PCCs,用r表示)、互信息(mutual information)、杰卡德相似系数(Jaccard similarity coefficient)Kendall 秩相关系数、Spearman 秩相关系数、Goodman and Kruskal's gamma 秩相关系数、组内相关系数(intraclass correlation,the intraclass correlation coefficient,ICC)、Point-Biserial、Phi Coefficient、Cramer's V coefficient、Biserial Correlation Coefficient、Tetrachoric Correlation Coefficient、Rank-Biserial Correlation Coefficient。

       

相关链接:

[1] Intraclass correlation - From Wikipedia, the free encyclopedia

https://en.wikipedia.org/wiki/Intraclass_correlation

[2] obg.cuhk.edu.hk , Stats toolbox, Intraclass correlation

http://department.obg.cuhk.edu.hk/researchsupport/IntraClass_correlation.asp

A useful online tool that allows calculation of the different types of ICC

[3] Andrews University, Applied Statistics - Lesson 13, More Correlation Coefficients, Why so many Correlation Coefficients

http://www.andrews.edu/~calkins/math/edrm611/edrm13.htm

           



(1)中国风能分布

[1] McElroy M B,Lu Xi,Nielsen C P,et al.Potential for wind-generated electricity in China[J].Science,2009,325(5946):1378-1380.

http://www.sciencemag.org/content/325/5946/1378.short

[2] 中国风电发展路线图 2050[R].2011

http://www.iea.org/publications/freepublications/publication/china_wind_cn.pdf

[3] 中国气象局风能太阳能资源中心,全国风能资源详查和评价

http://cwera.cma.gov.cn/Website/index.php?ChannelID=120&WCHID=3 

(2)中国大陆主要能源消费区

[1] 国务院,2013年1月1日,《国务院关于印发能源发展“十二五”规划的通知》

http://www.gov.cn/zwgk/2013-01/23/content_2318554.htm


(3)亚洲东部地区人口分布图

[1] http://blog.sina.com.cn/s/blog_6a4e3d340100lhxc.html

[2] 2015-08-23,胡焕庸线:进一步的卫星夜光图片

http://blog.sciencenet.cn/blog-107667-915279.html

[3] 《智能电网》 2015年01期,《基于季风特性改进风电功率预测的研究展望》

http://www.cnki.com.cn/Article/CJFDTotal-ZNDW201501001.htm

                   

感谢您指正以上任何错误!



http://blog.sciencenet.cn/blog-107667-916688.html

上一篇:可怜的佩雷尔曼,可怜的志村五郎
下一篇:负能量:关于没有诺贝尔科学奖的原因(博文链接)

8 谢力 张忆文 朱晓刚 王小平 张骥 陆泽橼 刘光银 李天成

该博文允许注册用户评论 请点击登录 评论 (22 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2018-11-17 11:10

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部