基于深度学习框架SSA-BiLSTM网络的风速预测

• 作者: 丁仁强 刘佳伦 周武能 程航洋
• 来源期刊: 计算机与数字工程
• 学科: 地球科学
• 关键词: 奇异谱分析法 循环神经网络 双向长短期记忆网络 风速预测
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 算法与分析
• 页码范围: 2578-2583,2594
• 页数: 7页
• 分类号: P412.16
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.11.008

摘要

在风电预测中,风速预测起着至关重要的作用,为了提高风速预测的精确性,论文提出了一种基于深度学习框架SSA-BiLSTM网络风速预测方法,采用直接式模式,利用历史风速数据进行风速预测.该方法在已有典型LSTM方法基础上进行改进,使用双向LSTM网络,使得输出层不仅可以得到输入序列中每个数据点的过去信息,还可以获得输入序列中每个数据点的未来信息.同时,集成了奇异谱分析法对输入序列数据进行预处理,提取趋势信息和去除噪声.仿真及实验结果证明了论文所提方法的有效性,与支持向量机回归算法、K-最近邻算法及典型LSTM方法相比较,论文所提出的SSA-BiLSTM方法在风速预测上提高了预测的精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周武能		51	290	9.0	14.0
2	丁仁强		1	0	0.0	0.0
3	程航洋		1	0	0.0	0.0
4	刘佳伦		3	0	0.0	0.0