基于EMD-LMD-LSSVM联合模型的逐时太阳辐照度预测

• 作者: 朱启兵 田翠霞 黄敏
• 来源期刊: 太阳能学报
• 学科: 地球科学
• 关键词: 太阳辐照度 预测 机器学习 信号处理 时间序列
• 年，卷（期）: 2018,（2）
• 页码范围: 504-512
• 页数: 9页
• 分类号: P422.1|TP181
• 字数: 6504字
• 语种: 中文

摘要

由于太阳辐射的随机性很大,同时考虑到传统方法建立的单一最小二乘支持向量机(least square support vector machine,LSSVM)模型精度不高,该文提出一种基于经验模态分解(empirical mode decomposition,EMD)局部均值分解(local mean decomposttion,LMD)和与机器学习方法LSSVM联合的逐时太阳辐照度预测模型.先利用信号处理算法EMD及LMD将时间顺序数据分解成一系列相对平稳的分量序列,再对各子序列分别建立LSSVM预测模型,最后将各子序列预测结果进行叠加得到最终预测值.仿真结果表明,该模型取得比单一模型更好的预测效果,均方根误差精度可提高24.59%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱启兵	江南大学轻工过程先进控制教育部重点实验室	56	481	14.0	19.0
2	黄敏	江南大学轻工过程先进控制教育部重点实验室	68	518	13.0	19.0
3	田翠霞	江南大学轻工过程先进控制教育部重点实验室	1	7	1.0	1.0