基于VMD-IPSO-LSSVM的短期风速预测

为了降低风速数据序列的波动性，提高短期风速预测精度，对风速数据序列进行变分模态分解(variational modal decomposition, VMD),采用改进粒子群(improved particle swarm optimization, IPSO)算法对最小二乘支持向量机(least squares support vector machines, LSSVM)进行参数寻优，建立基于VMD-IPSO-LSSVM的短期风速预测模型。利用VMD分解获得8个模态分量，对各分量分解建立IPSO-LSSVM预测模型，得到各分量预测值，将各分量预测值叠加获得风速预测值。采用实际风速数据进行算例分析，结果表明，VMD-IPSO-LSSVM模型对风速预测结果的平均相对误差为3.34%,均方根误差为0.239,预测精度高于其他短期风速预测模型，验证了VMD-IPSO-LSSVM模型在短期风速预测方面的准确性和优越性。