公开(公告)号：CN115758906A

公开(公告)日：2023-03-07

申请号：CN202211503445.2

申请日：2022-11-28

Applicant: 南昌工程学院

Inventor： 车金星 ,  夏文鑫

IPC: G06F30/27 ,  G06F18/214 ,  G06Q10/0639 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/088 ,  G06F111/04 ,  G06F111/08

Abstract: 本发明提出了一种基于最优深度学习和简约集合模型的短期风速预测方法，包括以下步骤：S1，对采集的原始序列进行分解，得到多个模态分量；S2，将所述多个模态分量分别输入深度置信网络DBN，得到多个预测结果；S3，将所有预测结果进行汇总相加，得到最终的风速预测序列。本发明采用二次分解处理风速序列，能完全处理风速序列的非平稳特性。还采用DBN处理利用分解技术得到的子序列，由于能够提取数据的深层特征，能更准确地建立输入‑输出的映射关系，因此具有比大多数预测模型更好的预测性能。