[论文解读] Construction of SDE-based wind speed models with exponential autocorrelation

Rafael Zárate-Miñano, Federico Milano|arXiv (Cornell University)|Nov 7, 2015

Wind and Air Flow Studies参考文献 20被引用 3

一句话总结

本文提出了一种系统化方法，用于构建基于随机微分方程（SDE）的风速模型，可精确再现给定的概率分布和指数自相关性。通过利用回归定理并求解平稳Fokker-Planck方程，该方法推导出多种风速分布的精确漂移项和扩散项，确保统计保真度精确无近似。

ABSTRACT

This paper provides a systematic method to build wind speed models based on stochastic differential equations (SDEs). The resulting models produce stochastic processes with a given probability distribution and exponential decaying autocorrelation function. The only information needed to build the models is the probability density function of the wind speed and its autocorrelation coefficient. Unlike other methods previously proposed in the literature, the proposed method leads to models able to reproduce an exact exponential autocorrelation even if the probability distribution is not Gaussian. A sufficient condition for the property above is provided. The paper includes the explicit formulation of SDE-based wind speed models obtained from several probability distributions used in the literature to describe different wind speed behaviors.

研究动机与目标

• 开发一种系统化、解析精确的方法，用于构建具有指定统计特性的基于SDE的风速模型。
• 确保精确再现目标概率分布和指数自相关性，克服先前近似方法的局限性。
• 为常用风速分布（包括威布尔分布、瑞利分布和截断正态分布）提供显式的SDE公式。
• 建立一个通用框架，适用于任何具有指数自相关性的平稳过程，不限于风速建模。

提出的方法

• 利用回归定理推导漂移项，确保具有指定衰减率的指数自相关性。
• 求解平稳Fokker-Planck方程，以确定产生期望平稳概率密度函数的扩散项。
• 应用变换技术，通过适当的漂移和扩散函数，将已知高斯过程的SDE映射到非高斯分布。
• 为多种分布（包括威布尔分布、瑞利分布和两参数截断正态分布）推导出漂移和扩散系数的闭式表达式。
• 通过验证所得到的SDE生成的过程精确符合目标分布和指数自相关性，来验证该方法。
• 在扩散项的解析公式中使用特殊函数，如误差函数、互补误差函数和不完全伽马函数。

实验结果

研究问题

• RQ1 能否开发一种系统化方法，用于构建基于SDE的风速模型，以精确再现给定的概率分布和指数自相关性？
• RQ2 如何解析推导SDE的漂移和扩散项，以同时确保期望的平稳分布和指数自相关性？
• RQ3 常用风速分布（如威布尔分布、瑞利分布和截断正态分布）的显式SDE公式是什么？
• RQ4 所提出的方法是否在先前方法失效的非高斯风速分布中仍保持准确性？
• RQ5 该方法能否推广至其他具有指数自相关性的平稳过程，而不仅限于风速建模？

主要发现

• 该方法生成的SDE能精确再现目标概率分布和指数自相关性，而不同于先前的近似方法。
• 对于两参数威布尔分布，漂移项为 $ a(x) = -\alpha \left(x - \lambda_2 \cdot \Gamma\left(1 + \frac{1}{\lambda_1}\right)\right) $，确保正确的均值回复。
• 威布尔模型的扩散项涉及不完全伽马函数，表达式为 $ b(x) = \sqrt{b_1(x) \cdot b_2(x)} $，其中 $ b_1 $ 和 $ b_2 $ 明确定义。
• 对于单参数瑞利分布，扩散项包含互补误差函数，表达为 $ b(x) = \sqrt{ \frac{\alpha \lambda^2}{x} \cdot \left( 2x + \sqrt{2\pi}\lambda \left( \exp\left(\frac{x^2}{2\lambda^2}\right) \cdot \mathrm{erfc}\left(\frac{x}{\sqrt{2}\lambda}\right) - 1 \right) \right) } $。
• 两参数截断正态模型的漂移项依赖于原始正态分布的均值和标准差，并根据截断情况进行调整。
• 该方法具有通用性，适用于任何具有指数自相关性的平稳过程，不限于风速建模。