公开(公告)号：CN114218870B

公开(公告)日：2024-08-23

申请号：CN202111583769.7

申请日：2021-12-22

Applicant: 大连理工大学

Inventor： 章靖凯 ,  顾宏 ,  余向军 ,  秦攀

IPC: G06F30/27 ,  G06F17/14 ,  G06F17/16 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08 ,  G06F111/04 ,  G06F113/08 ,  G06F119/10 ,  G06F119/12

Abstract: 本发明属于风速预测方法技术领域，提出了一种基于变分模态分解与注意力机制的风速预测方法。考虑自然因素的影响，研究多变量条件下风速预测问题。通过预处理已采集的数据进行变分模态分解，深度神经网络的输入序列；深度神经网络包括位置编码、编码器与解码器；位置编码为输入信号提供相对位置信息；编码器包括注意力机制层、前馈网络层与归一化残差连接层，用于神经网络模型捕获时序特征间的相互关系；解码器由双层全连接网络构成，用于将编码器获取的时序特征信息进行解构从而输出预测值。该方法能有效提高超短期风速预测精度；对操作平台没有限制，使用灵活方便，可移植性强，风速预测性能优异。

公开(公告)号：CN114218870A

公开(公告)日：2022-03-22

申请号：CN202111583769.7

申请日：2021-12-22

Applicant: 大连理工大学

Inventor： 章靖凯 ,  顾宏 ,  余向军 ,  秦攀

IPC: G06F30/27 ,  G06F17/14 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08 ,  G06F111/04 ,  G06F113/08 ,  G06F119/10 ,  G06F119/12

Abstract: 本发明属于风速预测方法技术领域，提出了一种基于变分模态分解与注意力机制的风速预测方法。考虑自然因素的影响，研究多变量条件下风速预测问题。通过预处理已采集的数据进行变分模态分解，深度神经网络的输入序列；深度神经网络包括位置编码、编码器与解码器；位置编码为输入信号提供相对位置信息；编码器包括注意力机制层、前馈网络层与归一化残差连接层，用于神经网络模型捕获时序特征间的相互关系；解码器由双层全连接网络构成，用于将编码器获取的时序特征信息进行解构从而输出预测值。该方法能有效提高超短期风速预测精度；对操作平台没有限制，使用灵活方便，可移植性强，风速预测性能优异。