基于BiLSTM-LightGBM混合模型的风速预测方法
针对风速序列在时间上的复杂依赖关系难以准确建模的挑战,本文提出了一种基于数据驱动的BiLSTM-LightGBM混合模型,以实现准确预测风速.模型利用BiLSTM捕捉风速数据在时间跨度上的相互联系.作为一种特殊的长短期记忆网络,BiLSTM能够有效地学习长序列的时间依赖关系,从而捕捉风速数据的动态变化.并引入LightGBM,该模型结合了梯度提升决策树的强大非线性建模能力和特征重要性的分析,增强了混合模型的表达能力和鲁棒性.
数据驱动、BiLSTM、LightGBM、长期依赖
TM614;TP391;TM715
2023-11-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
135-137,274