基于PSO-BSNN的短期风速预测

摘要：

考虑到风的随机性和波动性，提出一种基于粒子群(PSO)优化B样条神经网络(BSNN)的短期风速预测方法。利用相空间重构方法确定BSNN的输入空间向量，BSNN可以灵活地改变对输入空间的划分和对隐层基函数的定义，对任意的网络输入，隐层基函数的输出只有少数非零，使网络输出简单，收敛速度快。但在传统的BSNN中，对输入空间节点位置的均匀划分是粗糙的，预测结果容易陷入局部极小而影响预测精度。粒子群优化算法是一种智能搜索方法，它具有较强的搜索能力并且容易实现，利用 PSO 优化 BSNN 输入空间的节点位置划分，可避免BSNN陷入局部极小并提高预测精度。仿真结果表明，基于PSO-BSNN的预测模型比传统的BSNN和BPNN预测模型具有更高的预测精度。

关键词：PSO、BSNN、相空间重构、短期风速预测、预测模型

分类号：TP273(自动化技术及设备)

资助基金：河北省自然科学基金项目F2012203088

在线出版日期：2015-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41