基于机器学习增强Hermite多项式模型的平稳非高斯风压模拟方法及系统

本发明涉及一种基于机器学习增强Hermite多项式模型的平稳非高斯风压模拟方法及系统，首先构建了一个多输入单输出的机器学习模型来确定提出方法的转换函数中需要的统计矩，随后在此基础上建立了多输入多输出的非高斯功率谱到潜在高斯功率谱的神经网络转换模型，最后基于双机器学习模型构造的ML‑EHPM模型，分别预测得到转换函数所需的统计矩和高斯PSD预测模型预测出的潜在高斯功率谱，采用该潜在高斯功率谱表示法模拟出非高斯风压；在强非高斯风压、超出单调区域的风压以及双峰风压分布条件下，ML‑EHPM方法能更真实地再现目标概率密度函数和功率谱密度，模拟精度显著超越传统HPM方法，尤其在强非高斯样本中优势尤为突出。