基于ISSA-BiGRU-Attention的短期电力负荷预测研究

为了提升短期电力负荷预测的精准度,提出了基于改进麻雀搜索算法(ISSA)优化的引入注意力机制(Attention)的双向门控循环单元(BiGRU)的预测模型ISSA-BiGRU-Attention。麻雀搜索算法的改进过程首先由引入非线性余弦调整因子和柯西变异算子改进的正余弦算法更新发现者位置;其次通过结合Levy飞行和T分布扰动算法更新加入者位置;最后引入精英反向学习策略赋予算法迭代时更好的寻优性能。实验结果表明,ISSA-BiGRU-Attention模型较其他方法预测效果更好,预测结果更稳定。

因子智能选取方法在年度台风频数气候预测中的应用

为了提高年度台风频数预测准确率,利用中国气象局上海台风研究所提供的1951—2020年的台风样本数据和国家气候中心提供的142项环流特征量和海温指数资料,运用相关性分析方法筛选出高相关因子,再分别利用逐步回归方法和随机森林方法二次选取特征因子,确定最优特征子集,建立基于支持向量回归方法的年度台风频数预测模型,对比分析不同的特征选取方法对预测结果的影响。实验结果表明,融合智能方法选取特征的年度台风预测结果高于单一使用随机森林方法和逐步回归方法,支持向量回归方法平均绝对误差分别提高4.57%和4.90%。