公开(公告)号：CN106126896B

公开(公告)日：2019-03-22

申请号：CN201610444160.4

申请日：2016-06-20

Applicant: 中国地质大学(武汉)

Inventor： 陈分雄 ,  胡凯 ,  凌承昆 ,  唐曜曜 ,  毛中杰 ,  王典洪

IPC: G06F17/50

Abstract: 本发明公开了一种基于经验模态分解和深度学习的混合模型风速预测方法及系统，该方法包括以下步骤:S1、根据经验模态分解对原始风速时间序列进行分解，得到多个本征模态函数；S2、对每个本征模态函数构建各自训练数据集和测试数据集；S3、将训练数据集中各个本征模态函数训练样本送入栈式编码网络进行训练，得到各自的风速预测子模型；S4、将测试数据集送入到各自对应的风速预测子模型进行预测，得到每个风速预测子模型的预测输出值；S5、将每个风速预测子模型的预测输出值进行组合叠加处理，得到最终的整体预测输出值。本发明有效提高预测模型的预测精度和鲁棒性；同时可以获得更高的短期风速预测精度。

公开(公告)号：CN106126896A

公开(公告)日：2016-11-16

申请号：CN201610444160.4

申请日：2016-06-20

Applicant: 中国地质大学(武汉)

Inventor： 陈分雄 ,  胡凯 ,  凌承昆 ,  唐曜曜 ,  毛中杰 ,  王典洪

IPC: G06F19/00

Abstract: 本发明公开了一种基于经验模态分解和深度学习的混合模型风速预测方法及系统，该方法包括以下步骤:S1、根据经验模态分解对原始风速时间序列进行分解，得到多个本征模态函数；S2、对每个本征模态函数构建各自训练数据集和测试数据集；S3、将训练数据集中各个本征模态函数训练样本送入栈式编码网络进行训练，得到各自的风速预测子模型；S4、将测试数据集送入到各自对应的风速预测子模型进行预测，得到每个风速预测子模型的预测输出值；S5、将每个风速预测子模型的预测输出值进行组合叠加处理，得到最终的整体预测输出值。本发明有效提高预测模型的预测精度和鲁棒性；同时可以获得更高的短期风速预测精度。