Print

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

  • 引 言
  • 1 理论基础
  •   1.1 相空间重构
  •   1.2 径向基函数神经网络预测模型
  •     1.2.1 RBF神经网络结构
  •     1.2.2 风速时间序列RBF神经网络模型及检验指标
  •   1.3 风速时间序列的Volterra自适应滤波器
  • 2 风速时间序列RBF神经网络预测
  •   2.1 预测流程
  •   2.2 预测模型验证
  •   2.3 风速预测
  • 3 风速时间序列Volterra自适应预测
  •   3.1 算法步骤
  •   3.2 模型验证
  •   3.3 风速时间序列预测
  • 4 结 论

    • 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

    本文来源: https://www.lunwen66.cn/article/f1bd124c6cf3deec31164e22.html