科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高风速预测的精度，提出一种基于多模式分解、麻雀优化算法(sparrowsearchalgorithm,SSA)、残差网络(residual neural network,Res Net)和门控循环单元网络(gated recurrentunits,GRU)的短期风速预测模型。该模型首先利用小波分解(wavelettransform, WT)、变分模态分解(variational mode decomposition,VMD)和自适应噪声完备集合经验模态分解(completeensembleempiricalmode decompositionwithadaptivenoise,CEEMDAN)分别分解经过模糊C均值聚类后的风速数据，不同模态分解分量组合为二维矩阵，作为卷积网络的输入数据，实现不同模式分量波动规律的互补；随后，在传统卷积网络结构中增加改进的残差模块，对多模式分解分量进行特征提取，使得深层特征得到显著增强；最后，将特征融合后输入GRU模块，进一步挖掘风速分量在时序上的特征，通过麻雀优化对Res-GRU中的关键参数进行寻优，实现风速预测。实验表明，与传统组合模型相比，所提组合预测模型可以有效提高风速短期预测的准确率。
- 单位
