基于核极限学习机的多变量非平稳脉动风速预测

发布时间：2018-05-17 17:57

  本文选题：预测 + 极限学习机　； 参考：《振动与冲击》2017年18期

【摘要】：运用快速集合经验模态分解(FEEMD)技术将非平稳下击暴流风速分解为一系列的固有模态分量。随后,建立核极限学习机(KELM)非平稳风速预测模型(FEEMD-KELM),分别对分解后的非平稳脉动风速训练集和测试集实施预测。为比较,同时考虑了FEEMD-ELM的预测结果。通过比较这两种预测算法的结果,在非平稳下击暴流风速预测的稳定性和精度方面,发现FEEMD-KELM优于FEEMD-ELM。
[Abstract]:The fast set empirical mode decomposition (EMD) technique is used to decompose the non-stationary downburst wind speed into a series of inherent modal components. Then, the non-stationary wind speed prediction model of nuclear extreme learning machine (KELM) is established to predict the decomposed non-stationary pulsating wind speed training set and test set, respectively. For comparison, the prediction results of FEEMD-ELM are also considered. By comparing the results of the two prediction algorithms, it is found that FEEMD-KELM is superior to FEEMD-ELM in the stability and accuracy of wind speed prediction of non-stationary storm flow.
【作者单位】： 同济大学建筑工程系;上海大学土木工程系;
【分类号】：TU312.1

【相似文献】

相关期刊论文 前10条

1 李锦华;李春祥;申建红;;非平稳脉动风速的数值模拟[J];振动与冲击;2009年01期

2 冯宏;肖正直;李正良;魏奇科;孙毅;欧阳光;;复杂山地环境下脉动风速谱研究[J];湖南大学学报(自然科学版);2013年01期

3 楼文娟;王嘉伟;杨伦;陈勇;;雷暴风三维脉动风速场数值模拟[J];浙江大学学报(工学版);2014年07期

4 李杰;阎启;;结构随机动力激励的物理模型:以脉动风速为例[J];工程力学;2009年S2期

5 黄鹏;戴银桃;王旭;顾明;;上海沿海地区近地风脉动风速谱及相干性研究[J];工程力学;2014年04期

6 孙毅;李正良;黄汉杰;陈朝晖;魏奇科;;山地风场平均及脉动风速特性试验研究[J];空气动力学学报;2011年05期

7 李杰;阎启;;脉动风速随机Fourier波数谱研究[J];同济大学学报(自然科学版);2011年12期

8 李t，

本文编号：1902315