基于LSTM的风速预测模型

• 作者: 涂安龙 胡萧书萌 邓万雄
• 来源期刊: 信息与电脑
• 关键词: 长短时神经记忆网络 风速预测 归一化 监督学习
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 软件开发与应用
• 页码范围: 142-145
• 页数: 4页
• 分类号: TM315
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.12.044

摘要

为了更好地提升风力发电系统的安全性与经济性,提高风速预测的精确度,笔者提出了一种长短神经网络(Long-Short Term Memory,LSTM)模型用于风速预测.首先模型使用防止过拟合和提高模型泛化能力的归一化方法对数据进行处理;其次将时间序列数据转换为监督学习问题;最后使用对时间序列预测有着较好鲁棒性的LSTM模型对风速进行预测.实验结果表明,相较于支持向量回归法,笔者提出的LSTM在风速预测上具有更高的预测精度.