典型文献
多通道长短期记忆卷积网络的风速预测
文献摘要：
为提高风速的预测性能,提出了多通道长短期记忆网络和卷积网络相结合的风速预测方法.预测模型由多个长短期记忆子网络及卷积网络组成.各子网络选择不同长度的历史数据作为输入,分别实现未来风速值的计算,避免了单一网络输入数据长度参数难以确定的问题.卷积网络将各子网络的计算结果进行卷积、最大池化操作,并通过全连接层计算风速序列的预测值.为避免预测误差累积及漂移,利用误差动态补偿方法对预测值进行校正,获得最终的预测结果.多通道长短期记忆卷积网络可用于风速的超短期预测中,仿真实验结果表明,与现有基于深度学习的预测网络相比,该网络能够更好地拟合实际风速序列的变化趋势,表现出更优的预测性能.
文献关键词：
超短期;风速预测;长短期记忆网络;卷积神经网络;误差补偿;深度学习
中图分类号：
作者姓名：
修春波;苏欢;苏雪苗
作者机构：
天津工业大学控制科学与工程学院,天津300387
文献出处：
引用格式：
[1]修春波;苏欢;苏雪苗-.多通道长短期记忆卷积网络的风速预测)[J].电力工程技术,2022(01):64-69
A类：
B类：
多通道,道长,卷积网络,风速预测,预测性能,长短期记忆网络,子网络,网络选择,同长,历史数据,来风,输入数据,难以确定,行卷,最大池化,池化操作,全连接层,预测误差,误差累积,漂移,差动,动态补偿,补偿方法,超短期预测,预测网络,误差补偿
AB值：
0.285247
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。
