风速时间序列非线性短期预测

论文摘要

针对风速时间序列复杂的非线性特征,根据C-C算法确定重构参数（嵌入维数及延迟时间）并对风速重构相空间,建立径向基函数神经网络（RBF网络）及Volterra自适应预测模型对风速时间序列进行预测,以Lorenz方程数值解为例验证了两种预测方法的可行性。结果表明:RBF神经网络模型和Volterra自适应预测模型都能对实测风速时间序列进行较为准确的预测,预测误差分别在0.3和0.1 m/s内;Volterra自适应预测模型预测结果总体较RBF神经网络模型预测精度更高,且随着预测时间的增大,预测误差呈增大趋势,这与混沌存在初值敏感性的特征相符。

论文目录

文章来源

类型: 期刊论文

作者: 黄致谦,丁勤卫,李春

关键词: 风速,时间序列,非线性,短期预测

来源: 热能动力工程 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 上海理工大学能源与动力工程学院

基金: 国家自然科学基金(51676131,51811530315,51176129)~~

分类号: TM614

DOI: 10.16146/j.cnki.rndlgc.2019.09.023

页码: 199-206

总页数: 8

文件大小: 736K

下载量: 310

相关论文文献

标签：风速论文;  时间序列论文;  非线性论文;  短期预测论文;