CEEMD-WT和CNN在短期风速预测中的应用研究

• 作者: 卢格宇 颜宏文
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 完备总体经验模态分解 小波变换 卷积神经网络 短期风速预测 固有模态分量 二次去噪
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 工程与应用
• 页码范围: 224-230
• 页数: 7页
• 分类号: TP399
• 字数: 5929字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0256

摘要

由于风速存在随机性和不稳定性,为了提高短期风速预测的精度,提出了一种基于完备总体经验模态分解(CEEMD)、小波变换(WT)和卷积神经网络(CNN)的短期风速预测混合模型.首先,CEEMD算法把原始风速序列分解成一些相对平稳的固有模态函数和一个残差序列;然后,WT算法对每个固有模态函数进行二次去噪,进一步消除噪声对固有模态函数的影响;最后,卷积神经网络对每个固有模态函数、残差序列和影响风速的5个属性训练预测得到各自的预测结果,对所有的预测结果重构得到最终的预测结果.通过实验与其他4个风速预测模型进行比较,所提出的模型预测的绝对平均百分比误差(MAPE)最小,为2.484%,表明在短期风速预测方面CEEMD-WT-CNN模型有较好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜宏文	长沙理工大学计算机与通信工程学院	21	213	7.0	14.0
2	卢格宇	长沙理工大学计算机与通信工程学院	1	4	1.0	1.0