基于经验模式分解改进的支持向量机风速预测研究

发布时间：2022-12-25 09:39

　　以风沙运动为标志的土地荒漠化及其引起的沙尘暴等灾害,是21世纪重要的环境问题。而对这一典型气固两相流体的动力学求解,面临着诸如Navier-Stokes方程的非线性、湍流运动的随机性和多尺度关联等共性难题。虽然目前已有诸多风速预测模型,但仍然有可以发展完善之处,如从净风场拓展到风沙流场。本论文基于支持向量机和经验模式分解的良好泛化性,建立了短期风速预测的数学模型,期望加深对风沙运动的认识,为定量化风沙物理学的研究提供一定的数据支持。主要研究内容包括:首先,总结了国内外对风沙运动及风速预测研究的概况,介绍了近地层大气湍流的基本特性和统计描述。其次,就风沙环境下的风速原始数据进行了预处理。基于支持向量机回归理论,提出了定量化的短期风速预测模型,计算结果与观测数据基本吻合,相对误差在9%以内。同时发现,对原始数据适当的预处理可以降低预测误差,提高运算效率。最后,对风速时间序列根据经验模式分解进行处理和解译,得到不同时间尺度的分量,提出了改进的支持向量机风速预测模型。结果表明:改进后的预测模型相对误差明显降低,精度更高,泛化性更好。本文基于经验模式分解改进的支持向量机短期风速预测模型的预测风速... 

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 风沙运动的研究现状
        1.2.1 风沙运动的理论及数值研究
        1.2.2 风沙运动的实验研究
    1.3 风速预测的研究现状
        1.3.1 风速预测方法
        1.3.2 数据预分析方法
    1.4 风场基本特性
    1.5 本文的主要内容与结构
第二章 基于支持向量机理论的风速预测
    2.1 理论基础
        2.1.1 机器学习理论
        2.1.2 统计学习理论
    2.2 支持向量机理论
        2.2.1 支持向量机理论发展
        2.2.2 支持向量机回归理论
    2.3 基于支持向量机的风速预测建模
        2.3.1 模型构建步骤
        2.3.2 模型参数的优化
    2.4 实例预测分析
        2.4.1 不同高度的风速预测
        2.4.2 模型阶数对预测效果的影响
        2.4.3 训练样本数量对预测效果的影响
        2.4.4 不同预处理对预测效果的影响
    2.5 本章小结
第三章 经验模式分解改进风速预测模型
    3.1 经验模式分解理论
        3.1.1 包络线拟合方法
        3.1.2 端点效应的处理
        3.1.3 停止准则
    3.2 原始风速数据的经验模式分解
    3.3 改进风速预测模型的构建
    3.4 实例预测分析
    3.5 本章小结
第四章 结论
    4.1 主要结论
    4.2 研究展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于VMD和改进ARIMA模型的超短期风速预测[J]. 赵征,汪向硕,乔锦涛.  华北电力大学学报(自然科学版). 2019(01)
[2]基于改进萤火虫算法的LSSVM脉动风速预测[J]. 郑晓芬,徐畅.  结构工程师. 2018(06)
[3]基于扩展卡尔曼滤波的三维风速在线估计方法[J]. 涂海峰,贾生伟,阳丰俊,吕瑞.  航天控制. 2018(02)
[4]基于变分模态分解和LSSVM的风电场短期风速预测[J]. 张妍,韩璞,王东风,王少蕊.  太阳能学报. 2018(01)
[5]基于经验模式分解的神经网络组合风速预测研究[J]. 勾海芝,赵征,夏子涵.  电力科学与工程. 2017(10)
[6]基于支持向量机的短期风速预测研究综述[J]. 杨茂,陈新鑫,张强,李大勇,孙涌,贾云彭.  东北电力大学学报. 2017(04)
[7]基于修正后ARIMA-GARCH模型的超短期风速预测[J]. 丁藤,冯冬涵,林晓凡,陈靖文,陈丽霞.  电网技术. 2017(06)
[8]遗传算法对SVR风速预测模型的多参数优化[J]. 朱霄珣,徐搏超,焦宏超,韩中合.  电机与控制学报. 2017(02)
[9]库布齐沙漠南缘抛物线形沙丘表面风沙流结构变异[J]. 陶彬彬,刘丹,管超,哈斯额尔敦.  地理科学进展. 2016(01)
[10]基于数据依赖核支持向量机回归的风速预测模型[J]. 王定成,倪郁佳,陈北京,曹智丽.  南京师大学报(自然科学版). 2014(03)



本文编号：3726369