| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 引言 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 气象数据逐时化国内外研究现状 | 第10-11页 |
| 1.3.2 高斯过程国内外研究现状 | 第11-12页 |
| 1.4 本文主要内容及组织结构 | 第12-14页 |
| 1.4.1 主要内容 | 第12-13页 |
| 1.4.2 组织结构 | 第13-14页 |
| 2 高斯过程 | 第14-22页 |
| 2.1 高斯过程的数学描述 | 第14-15页 |
| 2.1.1 随机过程 | 第14页 |
| 2.1.2 高斯分布 | 第14-15页 |
| 2.1.3 高斯过程 | 第15页 |
| 2.2 高斯过程回归 | 第15-18页 |
| 2.3 协方差函数 | 第18-22页 |
| 3 气象数据经典逐时化方法 | 第22-26页 |
| 3.1 三次样条插值算法 | 第22-24页 |
| 3.2 ASHRAE手册中相对湿度计算方法 | 第24-26页 |
| 4 基于高斯过程回归的气象数据逐时化及填补算法 | 第26-36页 |
| 4.1 基于高斯过程回归的气象数据逐时化算法及缺失值填补算法描述 | 第26-29页 |
| 4.2 协方差函数的设计 | 第29-33页 |
| 4.2.1 逐时化算法温度参数协方差函数的设计 | 第29-32页 |
| 4.2.2 逐时化算法气压参数协方差函数的设计 | 第32-33页 |
| 4.2.3 缺失值填补算法温度及气压参数协方差函数的设计 | 第33页 |
| 4.3 气象参数高斯过程回归超参数的确定 | 第33-36页 |
| 5 基于高斯过程回归的气象数据逐时化及填补算法应用 | 第36-50页 |
| 5.1 实验数据准备 | 第36-38页 |
| 5.1.1 原始数据介绍 | 第36-37页 |
| 5.1.2 数据的预处理 | 第37-38页 |
| 5.1.3 工具介绍 | 第38页 |
| 5.2 实验方案 | 第38-39页 |
| 5.2.1 气象数据逐时化的实验方案 | 第38-39页 |
| 5.2.2 气象数据缺失值填补的实验方案 | 第39页 |
| 5.3 气象数据逐时化实验结果分析 | 第39-46页 |
| 5.3.1 绝对量参数温度及气压逐时化结果分析 | 第39-45页 |
| 5.3.2 相对量参数相对湿度逐时化结果分析 | 第45-46页 |
| 5.4 气象数据缺失值填补实验结果分析 | 第46-50页 |
| 5.4.1 绝对量参数温度缺失值填补结果分析 | 第46-48页 |
| 5.4.2 相对量参数相对湿度缺失值填补结果分析 | 第48-50页 |
| 6 基于高斯过程回归的气象数据逐时化及填补算法与三次样条插值方法比较 | 第50-57页 |
| 6.1 三次样条插值结果展示 | 第50-53页 |
| 6.1.1 应用于四次定时的气象数据逐时化 | 第50-52页 |
| 6.1.2 应用于气象数据的缺失值填补 | 第52-53页 |
| 6.2 评价指标 | 第53页 |
| 6.3 逐时化方法的对比 | 第53-55页 |
| 6.4 填补方法的对比 | 第55-57页 |
| 7 总结与展望 | 第57-59页 |
| 7.1 总结 | 第57-58页 |
| 7.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
