基于深度学习框架SSA-BiLSTM网络的风速预测
丁仁强
周武能
程航洋
刘佳伦
1.东华大学信息科学与技术学院 上海 2000512.东华大学信息科学与技术学院 上海 2000513.东华大学信息科学与技术学院 上海 2000514.东华大学信息科学与技术学院 上海 200051
摘要：在风电预测中,风速预测起着至关重要的作用,为了提高风速预测的精确性,论文提出了一种基于深度学习框架SSA-BiLSTM网络风速预测方法,采用直接式模式,利用历史风速数据进行风速预测.该方法在已有典型LSTM方法基础上进行改进,使用双向LSTM网络,使得输出层不仅可以得到输入序列中每个数据点的过去信息,还可以获得输入序列中每个数据点的未来信息.同时,集成了奇异谱分析法对输入序列数据进行预处理,提取趋势信息和去除噪声.仿真及实验结果证明了论文所提方法的有效性,与支持向量机回归算法、K-最近邻算法及典型LSTM方法相比较,论文所提出的SSA-BiLSTM方法在风速预测上提高了预测的精确度.
关键词：奇异谱分析法循环神经网络双向长短期记忆网络风速预测
分类号：P412.16(大气探测（气象观测）)
资助基金：国家自然科学基金(61573095)
论文发表日期：2020-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2578-2583,2594 )
英文信息