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:
为实现铁路沿线风速的高精度预报,建立若干基于混合方法的预测模型并进行性能比较.采用小波分解(WD)和经验模态分解(EMD)将原始风速序列平稳化,采用神经网络方法(BP,ANFIS和NAR)进行预测,形成6种混合模型:WD-BP,WD-ANFIS,WD-NAR,EMD-BP,EMD-ANFIS和EMD-NAR.引入基于单一方法的预测模型及时间序列模型ARIMA作为对照组,以平均绝对误差、平均绝对百分比误差、均方根误差比较各模型预测精度.研究结果表明:混合模型的预测性能优于单一模型;单一模型中,ARIMA的预测性能优于神经网络模型;混合模型中,WD-ANFIS的预测精度最高.
推荐文章
基于小波分解的超短期风速混合模型组合预测
超短期风速预测
混合模型
组合预测
小波分解
间接预测
基于ARIMA模型的自动站风速预测
ARIMA模型
风速
预测
基于蚁群优化的支持向量机风速预测模型研究
支持向量机
风速预测
蚁群优化算法
风电场
风力发电
新能源
风电场短期风速预测方法研究
短期风速
风力发电
指数平滑法
灰色模型
ARMA模型
组合预测
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 基于混合方法的风速预测模型研究
来源期刊 铁道科学与工程学报 学科 交通运输
关键词 风速预测 小波变换 经验模态分解 神经网络 时间序列
年,卷(期) 2020,(7) 所属期刊栏目 高速铁路技术与智慧交通
研究方向 页码范围 1630-1636
页数 7页 分类号 U298.1
字数 3016字 语种 中文
DOI 10.19713/j.cnki.43-1423/u.T20200268
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 何旭辉 中南大学土木工程学院 106 1150 15.0 31.0
5 严磊 中南大学土木工程学院 4 0 0.0 0.0
9 孙颖 中南大学土木工程学院 10 36 4.0 5.0
10 张如九 中南大学土木工程学院 1 0 0.0 0.0
11 李睿东 中南大学土木工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (235)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
风速预测
小波变换
经验模态分解
神经网络
时间序列
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
铁道科学与工程学报
月刊
1672-7029
43-1423/U
大16开
长沙市韶山南路22号
42-59
1979
chi
出版文献量(篇)
4239
总下载数(次)
13
总被引数(次)
26874
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导