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:
小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络.
推荐文章
基于有参和无参分析的风电功率短期点预测值置信区间估计
风电功率
偏差概率
置信区间
有参计算
无参计算
基于Bootstrap技术的Web服务QoS值的置信区间估计和预测
Web服务
QoS估计
QoS预测
Bootstrap
置信区间
基于置信区间宽度的样本含量估计
置信区间
样本大小
定向微调
尝试
校正
基于ν-支持向量机的边际电价预测及置信区间估计
电力市场
边际电价
ν-支持向量机
置信区间
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 基于小波神经网络的风速预测及置信区间估计
来源期刊 安徽工程大学学报 学科 工学
关键词 风速预测 小波神经网络 置信区间 预测精度
年,卷(期) 2012,(3) 所属期刊栏目
研究方向 页码范围 65-68
页数 4页 分类号 TK81
字数 2826字 语种 中文
DOI
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 温阳东 合肥工业大学电气与自动化工程学院 117 790 12.0 23.0
2 杨洪深 铜陵学院电气工程系 9 17 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (2)
同被引文献  (7)
二级引证文献  (19)
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)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(6)
  • 引证文献(0)
  • 二级引证文献(6)
2019(11)
  • 引证文献(0)
  • 二级引证文献(11)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
风速预测
小波神经网络
置信区间
预测精度
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
安徽工程大学学报
双月刊
2095-0977
34-1318/N
大16开
安徽省芜湖市赭山东路8号
1983
chi
出版文献量(篇)
1898
总下载数(次)
5
总被引数(次)
6969
论文1v1指导