基于深度学习框架SSA-BiLSTM网络的风速预测

摘要：

在风电预测中,风速预测起着至关重要的作用,为了提高风速预测的精确性,论文提出了一种基于深度学习框架SSA-BiLSTM网络风速预测方法,采用直接式模式,利用历史风速数据进行风速预测.该方法在已有典型LSTM方法基础上进行改进,使用双向LSTM网络,使得输出层不仅可以得到输入序列中每个数据点的过去信息,还可以获得输入序列中每个数据点的未来信息.同时,集成了奇异谱分析法对输入序列数据进行预处理,提取趋势信息和去除噪声.仿真及实验结果证明了论文所提方法的有效性,与支持向量机回归算法、K-最近邻算法及典型LSTM方法相比较,论文所提出的SSA-BiLSTM方法在风速预测上提高了预测的精确度.

关键词：奇异谱分析法、循环神经网络、双向长短期记忆网络、风速预测

所属期刊栏目：48

分类号：P412.16(大气探测（气象观测）)

资助基金：国家自然科学基金项目编号:61573095

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2578-2583,2594