一种基于SVM的改进样本加权风速预测

摘要：

针对目前超短期风速预测精度不高的问题,提出了一种改进样本加权的SVM超短期风速预测方法.对样本加权中基于距离函数的时间序列相似性度量方法进行改进,在欧式距离的基础上,加入区间变化趋势相似度函数,将欧氏距离和趋势相似度函数按权值组合,构造了新的相似性度量函数.对训练样本进行相空间重构,基于样本相似性因素对训练样本进行加权,建立加权SVM超短期风速预测模型.分别建立随机森林、梯度提升树、SVM以及改进加权SVM超短期风速预测模型,研究表明,对SVM进行改进样本加权后,可以将预测误差从7.61%降为7.46%,有效降低了超短期风速预测误差,验证了该方法的有效性.

关键词：样本加权、相似性、相空间重构、支持向量机、风速预测

所属期刊栏目：13

分类号：TM614(发电、发电厂)

资助基金：河北省自然科学基金资助项目F2014209192;华北理工大学杰出青年基金资助项目JP201301

在线出版日期：2017-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：211-214