摘 要: | 为提高风速序列预测的准确性,在双承接层Elman网络的基础上提出了迟滞Elman预测网络.网络具有输入层、隐层、隐层承接层、输出层以及输出承接层5层结构,并在隐层承接层和输出承接层的单元中增加了迟滞激励响应函数,从而将迟滞特性引入到Elman网络中,以提高网络处理连续信息的能力.选择梯度下降方法作为网络的学习算法,训练网络的权值及迟滞参数,利用该预测网络实现了风速序列的多步预测分析.仿真实验结果表明:迟滞特性的引入能够减小预测结果的随机波动性,有利于提高预测结果的可靠性,与现有预测方法相比,迟滞Elman网络的平均预测误差能够减小8%以上,整体预测性能以及波动较强的局部预测性能都能得到显著提高.
|