基于极限学习机的脉动风速快速预测方法

作者：李春祥; 迟恩楠; 李正农

来源：上海交通大学学报, 2016, (11): 1719-1723.

DOI：10.16183/j.cnki.jsjtu.2016.11.010

• 极限学习机
• 脉动风速
• 预测
• 最小二乘支持向量机
• 误差反传神经网络 extreme learning machines
• fluctuating wind velocity
• forecasting
• least squares support vector machines
• error back-propagation neural network(BP)

提出基于极限学习机(ELM)的脉动风速预测新模型.运用自回归滑动平均模型生成脉动风速数据库,并将其分为训练集和测试集.采用ELM对训练集进行学习训练,建立回归模型,从而实现对测试集风速的泛化预测.经与基于粒子群优化(PSO)的混合核函数最小二乘支持向量(PSO-MK-LSSVM)和误差反传神经网络(PSO-BP)对比,验证了ELM模型的有效性.数值结果表明,与PSO-MK-LSSVM和PSO-BP相比,无论在预测精度还是计算速度上,ELM模型都具有显著的优势.

• 单位
  湖南大学; 上海大学