典型文献
融合CEEMDAN和ICS-LSTM的短期风速预测建模
文献摘要：
为提高风速预测精度,本文从挖掘风速数据可预测性和优化预测模型性能两方面出发,提出一种融合完全经验模态分解(CEEMDAN)和改进的布谷鸟算法优化长短期记忆深度神经网络(ICS-LSTM)的风速预测模型.首先采用CEEMDAN降低风速序列的不稳定性,提高其可预测性.其次对分解得到的各子序列建立LSTM预测模型,并采用ICS优化LSTM的关键参数,提高LSTM预测模型的回归性能.然后对各个子序列采用最优参数LSTM预测模型进行建模预测,最后叠加子序列预测结果得到风速预测结果.经实测数据验证,本文所提模型的平均绝对误差和平均相对误差仅为0.82和0.95,对比研究表明本文所提预测模型的优越性.
文献关键词：
风速预测;CEEMDAN;LSTM;融合预测
中图分类号：
作者姓名：
王贺;陈蕻峰;熊敏;刘素梅
作者机构：
北京林业大学工学院 北京 100083;美国田纳西大学电气与计算机科学系 诺克斯韦尔 37996
文献出处：
引用格式：
[1]王贺;陈蕻峰;熊敏;刘素梅-.融合CEEMDAN和ICS-LSTM的短期风速预测建模)[J].电子测量与仪器学报,2022(04):17-23
A类：
B类：
CEEMDAN,ICS,风速预测,预测建模,风速数据,可预测性,模型性能,经验模态分解,布谷鸟算法,算法优化,长短期记忆,深度神经网络,低风速,子序列,最优参数,建模预测,序列预测,数据验证,平均绝对误差,平均相对误差,融合预测
AB值：
0.294871
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
