奇异谱分析-最大熵结合最优子集回归方法在中国夏季降水预测中的应用

基于奇异谱分析-最大熵预报方法(SSA-MEM)和最优子集回归方法(OSR),综合考虑降水量序列自身的变化特征和外强迫因子对降水的贡献,把奇异谱分析-最大熵预报方法和最优子集回归方法结合起来,提出了SSA-MEM和OSR集成的新方法。对1961—2000年的夏季降水量进行拟合并试做2001—2004年的夏季降水预测。结果表明,回报拟合值与实况值距平相关系数达到0.85,通过了0.01的显著性水平检验。预报的平均技巧得分较高,试报准确率达到69%,略高于目前国内对汛期降雨预测的平均准确率。初步的试验表明,本方法对全国范围夏季降水有较好的预测能力,在东北及西南地区预测结果尤为显著。

基于奇异谱分析的超短期风电功率多步预测

针对非平稳风电功率序列的波动特性,单一预测模型无法挖掘出深层次的时序特征的问题,文章提出了一种基于奇异谱分析时序的分解组合预测方法。首先采用Cao方法确定奇异谱分析最佳嵌入维度,并对功率时间序列进行分解;然后考虑各分量多时间尺度特性,通过粒子群优化参数的最小二乘支持向量机对各子序列建立预测模型;最后通过对各子序列进行迭代多步预测并将结果叠加,得到实际预测功率值。实际算例表明,与其他分解方法相比,采用奇异谱分析的组合模型能够有效保留原序列中的关键趋势和复杂特征,具有更好的预测性能。