基于EEMD-CNN-GRU的短期风向预测

摘要：

为了提高短期风向的预测精度,提出一 种 基 于 集 合 经 验 模 态 分 解(Ensemble Empirical Mode Decomposition,EEMD)、卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元网络(Gated Recurrent Unit,GRU)的混合模型:EEMD-CNN-GRU.针对风向序列的随机性和不平稳性等特点,先利用 EEMD将数据分解成多个分量;再运用CNN的局部连接和权值共享来提取分量中的潜在特征;最后,使用GRU对CNN所提取的潜在特征进一步构建特征,叠加各分量的预测值,得到最终预测结果.实验结果表明:相对于 BP神经网络和长短期记忆网络(Long Short-Term Memory,LSTM)等其他模型,本文所提出的预测方法取得了良好的性能.

关键词：风向预测、集合经验模态分解、卷积神经网络、门控循环单元网络、长短期记忆网络

所属期刊栏目：15

分类号：TM614(发电、发电厂)

在线出版日期：2023-10-31（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：568-573