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:
本文探讨了一种基于分数进制小波变换与支持向量机(SVM)的短期风速预测模型.首先探讨了通过小波变换提取风速序列振荡特征提高传统模型预测精度的思路,进而分析了分数进制小波变换通过品质因子可调的变换模式实现的较传统小波变换更为自由精细的时频局部性能,以及在振荡信号特征提取领域的优越性;之后探讨了基于分数进制小波变换时频分解与SVM预测的风速预测模型的构建流程;实验结果表明,该模型与基于传统小波变换与SVM的预测模型以及神经网络、SVM模型相比,能够有效的提高预测精度.
推荐文章
应用小波变换和支持向量机的商业电力负荷预测
商业电力
负荷预测
支持向量机
小波分解
节能
数据采集系统
粒子群算法
基于小波变换和支持向量机的人脸检测
人脸检测
小波变换
支持向量机
基于小波变换与支持向量机的虹膜识别新算法
定位算子
特征向量
支持向量机SVM
基于支持向量机的短期负荷预测
电力系统负荷
短期预测
支持向量机
网格法
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 基于分数进制小波变换与支持向量机的短期风速预测
来源期刊 水力发电学报 学科 工学
关键词 风速预测 多步预测 分数进制小波变换 支持向量机
年,卷(期) 2014,(6) 所属期刊栏目
研究方向 页码范围 241-247
页数 分类号 TV11
字数 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 王海江 河北工程大学信息与电气工程学院 5 9 2.0 2.0
2 王静璞 北京师范大学减灾与应急管理研究院环境演变与自然灾害教育部重点实验室 5 51 3.0 5.0
3 刘丽宏 1 1 1.0 1.0
4 刘富军 北京师范大学减灾与应急管理研究院环境演变与自然灾害教育部重点实验室 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (83)
共引文献  (175)
参考文献  (15)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(4)
  • 参考文献(1)
  • 二级参考文献(3)
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(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(8)
  • 参考文献(1)
  • 二级参考文献(7)
2004(8)
  • 参考文献(1)
  • 二级参考文献(7)
2005(9)
  • 参考文献(1)
  • 二级参考文献(8)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(23)
  • 参考文献(2)
  • 二级参考文献(21)
2009(13)
  • 参考文献(2)
  • 二级参考文献(11)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
风速预测
多步预测
分数进制小波变换
支持向量机
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
水力发电学报
月刊
1003-1243
11-2241/TV
小16开
中国北京清华大学水电工程系
1982
chi
出版文献量(篇)
3865
总下载数(次)
7
总被引数(次)
47197
论文1v1指导