文档名：基于VMDLSTMWOA的铁路沿线风速预测模型
摘要：针对当前铁路沿线风速预测中精确度不高和模型泛化性差等问题,采用一种变分模态分解(VMD)、长短期记忆神经网络(LSTM)和鲸鱼优化算法(WOA)的组合预测模型,并通过均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)等评价指标进行模型预测精度验证.选取多个不同时间尺度的风速数据进行实验.实验结果表明:与其他模型相比,本文模型能有效提高风速预测精度,并且有着较好的泛化性.同时VMD-LSTM-WOA预测模型能够适用于铁路沿线短期风速和超短期风速预测,能为高速铁路规范和城市轨道交通规范下的大风预警提供可靠的支持.
作者：孟建军 江相君 李德仓 孟高阳 Author：MENGJianjun JIANGXiangjun LIDecang MENGGaoyang
作者单位：兰州交通大学机电技术研究所,甘肃兰州730070;甘肃省物流及运输装备信息化工程技术研究中心,甘肃兰州730070;甘肃省物流与运输装备行业技术中心,甘肃兰州730070兰州交通大学机电技术研究所,甘肃兰州730070
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(4)
分类号：TP391P425.6
关键词：铁路风速预测 变分模态分解 长短期记忆神经网络 鲸鱼优化算法
机标分类号：TM614TP391U238
在线出版日期：2023年5月9日
基金项目：国家自然科学基金，国家自然科学基金，甘肃省科技计划资助项目基于VMD-LSTM-WOA的铁路沿线风速预测模型[
期刊论文] 传感器与微系统--2023, 42(4)孟建军 江相君 李德仓 孟高阳针对当前铁路沿线风速预测中精确度不高和模型泛化性差等问题,采用一种变分模态分解(VMD)、长短期记忆神经网络(LSTM)和鲸鱼优化算法(WOA)的组合预测模型,并通过均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差...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
基于VMD-LSTM-WOA的铁路沿线风速预测模型 Wind speed prediction model along railway based on VMD-LSTM-WOA
基于VMD-LSTM-WOA的铁路沿线风速预测模型.pdf
- 文件大小:
- 11.3 MB
- 下载次数:
- 60
-
高速下载
|
|
