文档摘要：为提高短期风速预测的准确性与可靠性,提出了一种考虑多特征数据的新型混合预测模型.模型基于Stacking算法集成自适应模糊神经网络、数据分组预测模型、随机森林回归模型,同时结合时变滤波器改进的模态分解、自适应噪声模态分解完成数据深度二次分解.首先,对多特征原始数据进行数据预处理得到多维子序列矩阵,计算子序列排列熵以此重构子序列矩阵;然后,利用Stacking算法集成混合模型对不同频域范围内的时间序列矩阵完成预测.通过与经典模型对比,表明本文提出的考虑多特征数据的混合模型预测精度和模型稳定性有较大优势.
Abstract：Inordertoimprovetheaccuracyandreliabilityofshort-termwindspeedprediction,anewhybridpredictionmodelconsideringmultifeaturedatawasproposed.ThemodelwasbuiltbasedonStackingintegrationalgorithmintegratingadaptivefuzzyneuralnetwork,datagroupingpredictionmodelandrandomforestregressionmodel.Atthesametime,combinedwiththeimprovedmodedecompositionoftime-varyingfilterandadaptivenoisemodedecomposition,thedatadepthsecondarydecompositionwascompleted.Firstly,themultidimensionalsubsequencematrixwasobtainedbypreprocessingtheoriginaldatawithmultiplefeatures.Then,thesubsequencearrayentropywascalculatedtoreconstructthesubsequencematrix.Finally,themixedmodelintegratedbyStackingintegrationalgorithmwasusedtopredictsequencesindifferentfrequencydomains.Thecomparisonwiththeclassicalmodelshowsthattheproposedhybridmodelconsideringmultifeaturedatahasgreateradvantagesinpredictionaccuracyandmodelstability.
作者：谭啸 邱攀 李立 范玉文 Author：TANXiao QIUPan LILi FANYuwen
作者单位：国能大渡河流域水电开发有限公司,成都610041重庆邮电大学复杂系统与仿生控制重点实验室,重庆400065武汉三联水电控制设备有限公司,武汉430000
刊名：电工材料
Journal：ElectricalEngineeringMaterials
年，卷(期)：2024, (3)
分类号：TK8
关键词：短期风速预测 Stacking集成算法 深度学习网络 混合模型
Keywords：shorttermwindspeedprediction stackingintegrationalgorithm deeplearningnetworkmixedmodel
机标分类号：TP391TP181S712
在线出版日期：2024年7月19日
基金项目：基于多特征数据与混合模型短期风速预测研究[
期刊论文] 电工材料--2024, (3)谭啸 邱攀 李立 范玉文为提高短期风速预测的准确性与可靠性,提出了一种考虑多特征数据的新型混合预测模型.模型基于Stacking算法集成自适应模糊神经网络、数据分组预测模型、随机森林回归模型,同时结合时变滤波器改进的模态分解、自适应噪声模态...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：短期风速预测,Stacking集成算法,深度学习网络,混合模型,
|
|
1
