一种基于SVM的改进样本加权风速预测

• 作者: 张瑞成 田新
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 样本加权 相似性 相空间重构 支持向量机 风速预测
• 年，卷（期）: 2017,（9）
• 页码范围: 211-214
• 页数: 4页
• 分类号: TM614

摘要

针对目前超短期风速预测精度不高的问题,提出了一种改进样本加权的SVM超短期风速预测方法。对样本加权中基于距离函数的时间序列相似性度量方法进行改进,在欧式距离的基础上,加入区间变化趋势相似度函数,将欧氏距离和趋势相似度函数按权值组合,构造了新的相似性度量函数。对训练样本进行相空间重构,基于样本相似性因素对训练样本进行加权,建立加权SVM超短期风速预测模型。分别建立随机森林、梯度提升树、SVM以及改进加权SVM超短期风速预测模型,研究表明,对SVM进行改进样本加权后,可以将预测误差从7.61%降为7.46%,有效降低了超短期风速预测误差,验证了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张瑞成	华北理工大学电气工程学院	28	59	4.0	6.0
2	田新	华北理工大学电气工程学院	3	1	1.0	1.0