基于极限学习机的脉动风速快速预测方法

发布时间：2017-08-07 04:08

  本文关键词：基于极限学习机的脉动风速快速预测方法

  更多相关文章： 极限学习机 脉动风速 预测 最小二乘支持向量机 误差反传神经网络

【摘要】：提出基于极限学习机(ELM)的脉动风速预测新模型.运用自回归滑动平均模型生成脉动风速数据库,并将其分为训练集和测试集.采用ELM对训练集进行学习训练,建立回归模型,从而实现对测试集风速的泛化预测.经与基于粒子群优化(PSO)的混合核函数最小二乘支持向量(PSO-MK-LSSVM)和误差反传神经网络(PSO-BP)对比,验证了ELM模型的有效性.数值结果表明,与PSO-MK-LSSVM和PSO-BP相比,无论在预测精度还是计算速度上,ELM模型都具有显著的优势.
【作者单位】： 上海大学土木工程系;湖南大学土木工程学院;
【关键词】： 极限学习机 脉动风速 预测 最小二乘支持向量机 误差反传神经网络
【基金】：国家自然科学基金(51378304)资助项目
【分类号】：TU312.1;TP18
【正文快照】： 基于数据驱动的样本学习训练,为脉动风速预测提供了一种可行的途径.目前,风速预测主要有时间序列、人工神经网络、支持向量机等方法[1-5].支持向量机(SVM)通过核函数定义的非线性变换将输入空间变换到一个高维空间,在该高维空间中寻找输入变量和输出变量之间的一种线性关系.但

【相似文献】

中国期刊全文数据库 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 李t，

本文编号：632749