双模式分解CNN-LSTM集成的短期风速预测模型

为提高短期风速的预测精度，提出一种基于双模式分解、双通道卷积神经网络（CNN）和长短期记忆神经网络（LSTM）的组合预测模型以提高预测精度。首先，对经过PAM方法聚类后的风速时间序列利用奇异谱分解（SSD）和变分模态分解（VMD）2种信号分解方法进行分解，获得2类多尺度分量。不同模式的多尺度分量可降低原始风速的复杂度和非平稳性，实现不同模式模态分量规律的互补；其次，将2种分解方法得到的风速子序列合并为一个矩阵，输入到双通道CNN进行波形特征深度提取；最后，采用LSTM建立历史风速时序的时间依赖关系，在时空相关性分析的基础上得到最终风速预测结果。实验结果表明，基于双模式分解-双通道CNN-LSTM的组合预测模型可有效提高风速短期预测的精度。