期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习框架SSA-BiLSTM网络的风速预测
被引量:
4
1
作者
丁仁强
周武能
+1 位作者
程航洋
刘佳伦
《计算机与数字工程》
2020年第11期2578-2583,2594,共7页
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LST...
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SSABiLSTM方法在风速预测上提高了预测的精确度。
展开更多
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
下载PDF
职称材料
题名
基于深度学习框架SSA-BiLSTM网络的风速预测
被引量:
4
1
作者
丁仁强
周武能
程航洋
刘佳伦
机构
东华大学信息科学与技术学院
出处
《计算机与数字工程》
2020年第11期2578-2583,2594,共7页
基金
国家自然科学基金项目(编号:61573095)资助。
文摘
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SSABiLSTM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
Keywords
singular spectrum analysis(SSA)
recurrent neural network(RNN)
Bi-directional LSTM
wind speed fore⁃casting
分类号
P412.16 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习框架SSA-BiLSTM网络的风速预测
丁仁强
周武能
程航洋
刘佳伦
《计算机与数字工程》
2020
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部