典型文献
基于RNN的短期太阳辐照度预测算法研究
文献摘要：
预测太阳辐照度对于有效及时的利用可再生能源至关重要.本文旨在研究递归神经网络(RNN)的5个变体,并得出有效可靠的5 min短期太阳辐照度预测模型.5个RNN网络分别是长期短期记忆(LSTM),门控循环单元(GRU),简单RNN,双向LSTM(Bi-LSTM)和双向GRU(Bi-GRU);前3个类别是单向的,后2个类别是双向的RNN模型.基于24个月连续采集的相关天气与辐照数据对5个网络模型进行训练与测试,研究不同参数以及模型结构下预测精度与误差的变化,最终得到最优的模型种类与结构.实验表明模型的深层次的体系结构会产生显著效果,同时,与单向预测相比,Bi-LSTM和Bi-GRU能提供更准确的预测.Bi-GRU模型提供了最低的RMSE和最高的R2值,分别为46.1和0.958;此外,双向RNN显示出较高的鲁棒性与非线性表达能力.
文献关键词：
太阳辐照;递归神经网络;深度学习
中图分类号：
作者姓名：
马景奕;王帅;闫文君;李雅文;田瑜
作者机构：
中国气象局气象干部培训学院甘肃分院,兰州730020;国家气象信息中心,北京100086
文献出处：
引用格式：
[1]马景奕;王帅;闫文君;李雅文;田瑜-.基于RNN的短期太阳辐照度预测算法研究)[J].科技通报,2022(05):16-22
A类：
B类：
RNN,太阳辐照度,预测算法,算法研究,可再生能源,递归神经网络,变体,有效可靠,短期记忆,门控循环单元,GRU,Bi,连续采集,照数,同参数,模型结构,体系结构,显著效果,RMSE,线性表达,表达能力
AB值：
0.251657
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。
