共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
为了降低电网调度的操作复杂性,同时提升风电功率的预测精度,本文主要分析影响风电功率预测方法的因素,包括风向、风速以及环境温度等方面,同时经过对比研究,小波变换和神经网络的短期风电功率预测方法能够提升预测精度. 相似文献
5.
针对风力发电时间序列数据随机性大、单一算法难以获得准确预测结果的问题,本文采用改进的完全自适应噪声集合经验模态分解(ICEEMDAN)与时域卷积网络(TCN)相结合的模型预测风电功率。首先,针对集成模态分解的残余噪声和杂散模式问题,采用改进的CEEMDAN将原始序列数据分解为多个复杂度差异明显的子序列;其次,利用样本熵评估各分量复杂度,采用注意力机制的TCN,分别对低复杂度子序列和高复杂度子序列进行预测;最后将各子序列的预测结果叠加,得到最终的预测结果。经在弗兰德伦地区的数据集上测试结果表明,所提的ICEEMDAN-TCN模型的MAPE为1.74%,RMSE为127.36,优于其它对比模型,预测效果表现最优。 相似文献
6.
7.
针对混沌时间序列预测问题,该文提出一种虚拟特征提取算法,以提高其预测精度。首先,采用平移不变小波变换,提取出混沌时间序列的细节和光滑子层信息。然后,将混沌序列线性与非线性特征从加和关系推广到函数关系。最后,利用小波子层信息给出一种新颖的虚拟特征表达,以用于预测实验。采用经典的Mackey-Glass仿真数据,以及美国密西西比河实测径流流量数据实验表明,该文方法提高了预测精度,从而也验证了该文提出的虚拟特征提取算法在混沌时间序列预测上的有效性。同时,也可为控制、水文、气象等领域的混沌现象决策提供参考。 相似文献
8.
小波变换与傅立叶变换相结合的信号实例分析 总被引:1,自引:0,他引:1
文章采用离散小波变换与快速傅立叶变换相结合的方法,先对原始信号进行小波分解,再对各子带信号做快速傅立叶变换,从而得到各子带上时间信号的频谱。计算机仿真的实例分析表明,该方法将小波变换和傅立叶变换的优点结合了起来。 相似文献
9.
一种基于小波变换和FIR神经网络的广域网网络流量预测模型 总被引:3,自引:1,他引:2
该文提出了一种基于小波变换和FIR神经网络的广域网网络流量预测模型,首先采用小波分解把网络流量数据分解成小波系数和尺度系数,即高频系数和低频系数,将这些不同频率成分的系数单支重构为高频流量分量和低频流量分量,利用FIR神经网络对这些分量分别进行预测,将合成之后的结果作为原始网络流量的预测。实验结果表明:采用该模型对实际的广域网网络流量数据进行预测,不仅可以得到较快的收敛效果,而且预测性能比现有的小波神经网络和FIR神经网络要好得多。 相似文献
10.
《电子技术与软件工程》2016,(6)
应用小波变换对通信流量数据进行分析,首先对数据序列进行小波分解,将其分解为高频部分和低频部分。对低频部分利用相空间重构法进行混沌时间序列处理,得出其最大Lyapunov指数,验证通信流量的混沌性。利用相空间重构过程中得到的参数对各部分进行预测,最后将全部预测结果小波重构,得到原始序列的预测结果。实测数据预测结果表明,本文建立的通信流量数据预测模型效果良好。 相似文献
11.
12.
13.
船舶航迹预测对保障海上交通安全具有重要意义,为进一步提高船舶航迹预测精度,提出了一种从认知神经科学和神经生理学继承的模块化设计方法用于开发神经网络,旨在通过大脑强大的功能(分而治之)来解决复杂问题。首先,利用互补集合经验模式分解算法(CEEMD)将船舶航迹时间序列分解为多个相对平稳的子序列,使其具有不同的本征模态函数及趋势项,这在一定程度上降低了航迹时间序列的复杂程度;然后,通过模糊熵(FE)量化各子序列的复杂性用于辅助模块化神经网络(MNN)任务分配;最后,将粒子群(PSO)改进的长短期记忆神经网络(LSTM)作为模块化神经网络的子网络用于解决船舶航迹时间序列预测任务。选取相关数据进行测试,验证了所提方法对船舶航迹预测的准确性和实用性。 相似文献
14.
15.
根据约翰.霍兰德的职业兴趣理论建立了职业预测指标体系。影响职业预测的各个因素之间以及各因素与职业的因果关系表现出复杂的非线性关系,很难用确切的数学函数来描述。将小波神经网络引入对大学生的职业预测模型,既利用了小波变换的时-频局部化特性,又能发挥神经网络的自学习功能,还考虑了各种人为因素的综合影响,实现了职业指标的多因素非线性预测。 相似文献
16.
针对小波神经网络训练不便的问题,构造了一种基于MATLAB神经网络工具箱的训练方法。首先通过公式推导简化了小波神经网络的学习参数,将伸缩因子和平移因子变换到了权重和阈值中。然后根据神经网络工具箱对激活函数的要求,采用MATLAB编制了适用于神经网络工具箱的小波基激活函数,简单描述了编写自定义激活函数的方法。最后将该小波神经网络应用于织物的热阻和湿阻预测中,采用贝叶斯正则化训练算法,取得了较好的效果。 相似文献
17.
18.
基于均匀网格编码量化的超光谱图像自适应压缩 总被引:2,自引:2,他引:0
提出一种基于小波系数分类的超光谱图像压缩方法.算法首先将各波段小波分解并将所得子带划分成子块,而后根据子块活动性将其分类.在分类基础上,使用预测差分技术去除谱间冗余,此过程中分别求取各子类的预测系数以反映子带的局部相关性,而后利用均匀网格编码量化方法来量化残差系数序列,最后使用自适应算术编码对量化码字进行熵编码,为使编码器能在所有系数序列中最优地分配比特,本文提出一个基于序列统计特性和网格编码量化器率-失真特性的比特分配算法,实验证明该方法能高效地压缩超光谱图像,表现出优异的压缩性能。 相似文献
19.
基于遗传算法优化BP神经网络的风电功率预测 总被引:1,自引:0,他引:1
随着大量风电开始并入电网,风电场输出功率预测对接入大量风电的电力系统的运行有重要意义。针对神经网络在风电功率预测中结构和权值参数难以确定,预测精度不高等问题,提出利用遗传算法对神经网络的拓扑结构和网络权值进行优化,并将其应用于风电场功率预测,研究表明预测精度有一定程度的提高。 相似文献
20.
论述了小波分解与重构法和非线性小波变换阈值法两种小波去噪方法。论述了一种应用于短期负荷预测中的伪数据处理方法:首先,利用小波变换将负荷序列投影到不同的尺度上;然后,在不同的尺度域分别计算模极大值,并根据负荷以天为周期波动的特性对模极大值进行处理;最后,通过小波重构得到去除伪数据的负荷序列。对实际负荷数据的计算表明了该方法的有效性。 相似文献