预测之相似日算法

最近阅读很多关于相似日预测方面的论文，均是通过构建日特征向量，然后计算其相似度，大多数是考虑因子和量化匹配系数不一样，心得如下：

• 1、日特征向量=[ 最高温度 最低温度 日类型 ]

  相似度计算公式：欧几里得公式
  

• 2、日特征向量=[ 气象因子 日分类 星期类型 日天气类型 ]

  相似度计算公式：夹角余弦公式

• 3、日特征向量=[ 人体舒适度指数 日期差距 星期类型 日天气类型 ]

  相似度计算公式：夹角余弦公式
  

• 4、趋势相似日和形状相似日

  量化了曲线形状相似度和趋势相似度

• 5、前趋势相似度

• 6、日特征向量=[ 气象因素 日期差距 星期类型 重大节假日 ]

  相似度计算公式：将日特征向量分成三类，气象因子、时间因子和星期因子，然后通过关联度计算气象因子匹配系数、时间因子匹配系数和星期因子匹配系数，让通过相乘得出总相似度。

我认为最好是第六种，具体说明一下：

1）气象因子匹配系数
气象因子匹配系数是表示待预测与历史日在气象上的相似程度。通过pearson相关性分析或者互信息分析