公开(公告)号：CN119358725A

公开(公告)日：2025-01-24

申请号：CN202411318863.3

申请日：2024-09-21

Applicant: 南昌大学

Inventor： 黎倩 ,  胡兆浪 ,  张宇 ,  郭志军 ,  李涛

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/213 ,  G06F18/27 ,  G06N3/044 ,  G06N3/045 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明提供了一种基于变分解深度投影编码回声状态网络的多步风速预测方法，步骤1，获取数据集，并对数据进行预处理；采用变分模态分解VMD将风速原始序列分解为若干个具有不同特征的子序列；步骤2，建立DEESN模型；DEESN模型由多个回声状态网络ESN模块和极限学习机ELM编码器组成，每个ESN模块负责不同步的提前预报，并且两个子储层之间的ELM编码器用于降低维度并优化储层状态；对于Q步超前风速预测，DEESN模型将第Q个ESN模块和第Q‑1个ELM模块相结合，并通过试错法确定DEESN模型的参数；步骤3，使用DEESN模型进行多步风速预测，得到预测结果。本发明建立VMD‑DEESN模型，提高了映射能力和学习未来时间步长之间的时间依赖性，进而提高了建模精度和效率。