權(quán)利要求書： 1.一種多類型風(fēng)機(jī)的偏航誤差測量方法，其特征在于，包括：獲取多類型風(fēng)機(jī)數(shù)據(jù)，對所述多類型風(fēng)機(jī)數(shù)據(jù)進(jìn)行預(yù)處理；將預(yù)處理后的多類型風(fēng)機(jī)數(shù)據(jù)進(jìn)行區(qū)間化處理，并采用三次樣條方法對每個(gè)區(qū)間的風(fēng)速?功率散點(diǎn)進(jìn)行多項(xiàng)式擬合，選出各種類型風(fēng)機(jī)的最優(yōu)風(fēng)速?功率曲線，根據(jù)所述最優(yōu)風(fēng)速?功率曲線獲取各種類型風(fēng)機(jī)的偏航誤差。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述最優(yōu)風(fēng)速?功率曲線獲取各種類型風(fēng)機(jī)的偏航誤差之后，所述方法進(jìn)一步包括：對比多種類型風(fēng)機(jī)的最優(yōu)風(fēng)速?功率曲線，得出偏航性能最優(yōu)的風(fēng)機(jī)類型。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述多類型風(fēng)機(jī)數(shù)據(jù)進(jìn)行預(yù)處理具體包括：采用孤立森林和DBSCAN聚類算法對異常數(shù)據(jù)進(jìn)行清洗，并進(jìn)行歸一化處理。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用孤立森林和DBSCAN聚類算法對異常數(shù)據(jù)進(jìn)行清洗，并進(jìn)行歸一化處理具體包括：步驟1，根據(jù)公式1表示由t個(gè)孤立樹組成的孤立森林：IF∈{t1,...,tT}公式1；其中，T為孤立樹總數(shù)目。對于每棵樹t，計(jì)算出隔離觀察值x所需的迭代次數(shù)ht(x)，則根據(jù)公式2表示在孤立森林中隔離樣本x所需的平均步驟次數(shù)：根據(jù)公式3和公式4定義標(biāo)準(zhǔn)化異常值s(x,n)：其中，n為，樣本數(shù)量，x為隔離觀察值，H(i)是諧波數(shù)，H(i)≈ln(i)+0.5772156649，c(n)是將一個(gè)樣本與其他n個(gè)樣本分離所需的平均步驟數(shù)，它提供了一個(gè)標(biāo)準(zhǔn)化因子，使得s值與樣本數(shù)量n無關(guān)訓(xùn)練過程中，遞歸劃分給定的訓(xùn)練集，當(dāng)樣本中異常數(shù)據(jù)被隔離或達(dá)到指定樹的高度以生成局部模型后停止訓(xùn)練，根據(jù)公式5確定樹高h(yuǎn)約等于平均樹高：h＝ceiling(log2ψ)公式5；其中，ψ代表子樣本大小，ceiling代表CEILING函數(shù)；假設(shè)DBSCAN算法的數(shù)據(jù)集為X＝{p1,p2,Lpn}，則pi、pj兩點(diǎn)之間的距離公式dist(pi,pj)，定義DBSCAN算法如下：鄰域Nε(pi)的表達(dá)式為Nε(pi)＝{pj∈X|dist(pi,pj)≤ε}，是以pi為圓心，ε為半徑的區(qū)域，pi鄰域Nε(pi)中點(diǎn)的數(shù)量大于等于MinPts，則稱pi為核心對象，若pj∈Nε(pi)，且pi為核心點(diǎn)，則稱pj是從pi直接密度可達(dá)，若序列{pi,pi+1,K,pj}∈X中，pi+1從pi