|
|||||
|
|
| 基于改进最小二乘支持向量机方法的短期风速预测 | |
| 作者姓名： | 张广明 袁宇浩 龚松建 |
| 作者单位： | (南京工业大学 自动化与电气工程学院,南京 210009) |
| 基金项目： | 江苏省科技厅工业科技支撑计划项目(BE2009166) |
| 摘 要： | 为了进一步提高短期风速预测的精度,分析了一种改进的风速预测方法.该方法考虑风速发生变化的极值点对总体预测误差的影响,以及预测曲线较实际曲线产生的滞后,分别对预测数据进行了极值点修正和偏移量处理.在对未来1 h风速进行预测时,相比粒子群优化(PSO)的最小二乘支持向量机(LS-SVM)模型、未经优化的LS-SVM模型及反向传播(BP)神经网络模型,所提出的模型具有较高的预测精度和运算速度.算例结果表明,改进的LS-SVM算法是进行短期风速预测的有效方法. |
| 关 键 词： | 风速预测 粒子群优化 最小二乘支持向量机 极值点 偏移量 |
| 收稿时间： | 2011-04-25 |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《上海交通大学学报》浏览原始摘要信息 | |
| 点击此处可从《上海交通大学学报》下载全文 | |