基于总体经验模态分解和CoDE-BP短期风速预测

• 作者: 余相 王丹 胡亚兰 陈亮
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 短期风速预测 总体经验模态分解 组合差分进化算法 前馈神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 应用开发研究
• 页码范围: 195-201
• 页数: 7页
• 分类号: TP391
• 字数: 5252字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.02.041

摘要

预测问题是应用机器学习的研究热点之一, 是计算机技术领域在实际工程的重要应用, 然而由于风速具有随机性、波动性等特性, 导致风速预测存在准确率低的问题.为了提高风速预测的准确性, 将总体经验模态分解 (EEMD) 方法引入到组合差分进化算法 (CoDE) 和前馈 (BP) 神经网络中, 提出了一种新颖的混合风速预测模型 (EEMD-CoDE-BP) .利用EEMD将原始风速信号分解成一系列不同频率的子序列IMFs和残差序列r, 通过每个子序列训练CoDE-BP模型, 最终的风速预测结果由每个子序列预测结果等权求和得到.以国内某风电场每10 min、1 h采样间隔的风速数据进行MATLAB仿真, 对比包括传统的Elman神经网络 (ENN) 、小波神经网络 (WNN) 、BP、CoDE-BP和EMD-CoDE-BP等算法, 仿真结果表明所提方法能对风速进行准确有效的预测, 极大地提高了预测精度, 减小了预测误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮	东华大学信息科学与技术学院	125	1242	18.0	27.0
2	王丹	东华大学信息科学与技术学院	17	33	3.0	5.0
3	胡亚兰	东华大学信息科学与技术学院	2	1	1.0	1.0
4	余相	东华大学信息科学与技术学院	2	1	1.0	1.0