典型文献
基于优化近邻传播聚类的CMN风速预测
文献摘要：
提出一种基于快速相关性约简和近邻传播聚类的卷积记忆网络短期风速预测模型.计算各风速序列及其属性序列的相关程度信息熵,运用快速相关性滤波算法进行属性约简,以降低属性维度及删除冗余属性;针对风速属性矩阵样本,采用压缩-激励模块(squeeze-and-excitation networks,SENet)构建属性表征序列,以该序列间距为样本相似度,利用近邻传播聚类实现样本集优选重构;构建卷积记忆网络,利用其挖掘深层特征及短期预测.通过对实际风场风速进行预测,对比实测数据,结果表明,该方法在风速属性数据的优选方面具有较大优势,通过保留关联紧密的属性信息,提高了预测精度.
文献关键词：
风速;短期预测;快速相关性滤波;近邻传播聚类;卷积记忆网络
中图分类号：
作者姓名：
韩绍禹;徐鹏程;蒋迪遥;潘超;李润宇
作者机构：
国网吉林省电力有限公司四平供电公司,吉林四平 136000;现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林吉林 132012
文献出处：
引用格式：
[1]韩绍禹;徐鹏程;蒋迪遥;潘超;李润宇-.基于优化近邻传播聚类的CMN风速预测)[J].电网与清洁能源,2022(08):110-120
A类：
卷积记忆网络,快速相关性滤波
B类：
近邻传播聚类,CMN,风速预测,信息熵,滤波算法,属性约简,删除,squeeze,excitation,networks,SENet,属性表征,样本集,深层特征,短期预测,风场,属性数据,属性信息
AB值：
0.284747
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。
