一种改进的FEEMD-FOA-LSSVM短期风速预测方案

• 作者: 李敏洁 高桂革 曾宪文
• 来源期刊: 新一代信息技术
• 关键词: 快速集合经验模态分解 端点效应 样本熵 果蝇算法 最小二乘支持向量机
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 科技论文
• 页码范围: 9-16
• 页数: 8页
• 分类号: TM614
• 语种: 中文
• DOI: 10.3969/j.issn.2096-6091.2021.07.002

摘要

在短期风速预测的研究中,使用快速集合经验模态分解算法(FEEMD)可以降低风速的不稳定性,但分解过程会产生端点效应.最小二乘支持向量机(LSSVM)在预测问题的研究中应用比较广泛,预测结果却受模型参数选取的影响.提出改进的FEEMD-FOA-LSSVM模型:首先对原始的风速序列使用改进的FEEMD算法进行分解,降低风速序列的不稳定性以及端点效应的影响.其次通过样本熵重组对分解产生的子序列进行合并,同时使用改进的果蝇算法(FOA)提高寻优效果,优化LSSVM模型参数,并通过测试函数验证改进的FOA算法,合并各预测值完成预测.仿真验证,所提出的改进模型在改善上述问题的同时也提高了预测精度.