基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将小波多分辨率分析特点和支持向量机良好的泛化性能相结合,建立小波-支持向量机风速预测模型.先将原始风速序列经小波分解成概貌分量和细节分量,再对各分量分别应用支持向量机模型进行预测,最后将各分量的预测结果经小波重构得到原始风速序列的预测值.仿真表明该方法能够改善预测滞后现象以及减小突变点误差,从而提高模型的泛化性能和预测精度.
推荐文章
基于小波分析与支持向量机的时间序列预测
小波分析
多尺度分解
去噪
支持向量机
时间序列预测
基于小波分解和支持向量机的网络流量组合预测
网络流量
小波分解
支持向量机
粒子群算法
基于小波分解与支持向量机的风速预测模型
风功率预测
多步预测
支持向量机
小波变换
风电场
基于小波分析和支持向量机的模拟电路故障诊断
小波分析
支持向量机
方波信号
模拟电路
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波分析与支持向量机的风速预测
来源期刊 太阳能学报 学科 工学
关键词 风速预测 支持向量机 小波多分辨率分析 泛化性能
年,卷(期) 2012,(3) 所属期刊栏目
研究方向 页码范围 452-456
页数 分类号 TP391.9
字数 3523字 语种 中文
DOI 10.3969/j.issn.0254-0096.2012.03.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周松林 合肥工业大学教育部光伏系统工程中心 41 154 7.0 10.0
3 苏建徽 合肥工业大学教育部光伏系统工程中心 196 6316 38.0 77.0
4 茆美琴 合肥工业大学教育部光伏系统工程中心 65 2677 23.0 51.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (545)
参考文献  (10)
节点文献
引证文献  (27)
同被引文献  (118)
二级引证文献  (119)
1985(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(2)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(7)
  • 参考文献(2)
  • 二级参考文献(5)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(7)
  • 引证文献(7)
  • 二级引证文献(0)
2014(7)
  • 引证文献(4)
  • 二级引证文献(3)
2015(7)
  • 引证文献(3)
  • 二级引证文献(4)
2016(21)
  • 引证文献(6)
  • 二级引证文献(15)
2017(28)
  • 引证文献(3)
  • 二级引证文献(25)
2018(38)
  • 引证文献(2)
  • 二级引证文献(36)
2019(28)
  • 引证文献(2)
  • 二级引证文献(26)
2020(10)
  • 引证文献(0)
  • 二级引证文献(10)
研究主题发展历程
节点文献
风速预测
支持向量机
小波多分辨率分析
泛化性能
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
太阳能学报
月刊
0254-0096
11-2082/TK
大16开
北京市海淀区花园路3号
2-165
1980
chi
出版文献量(篇)
7068
总下载数(次)
14
总被引数(次)
77807
论文1v1指导