基于误差修正的VMD-PSO-ELM模型短期风速预测
翟晨晨
李汉林
喻敏
魏来
武汉科技大学理学院 武汉 430065
摘要：针对风速序列存在的非平稳性和随机性带来的风速预测不准确问题.论文提出一种基于变分模态分解、粒子群优化算法、极限学习机与长短时记忆网络相结合的风速预测模型.首先采用变分模态分解算法将原始风速序列分解为一系列由低频到高频的本征模态分量.对各分量用极限学习机进行预测.针对极限学习机产生权值与阈值的随机性,模型结果存在不稳定性.采用粒子群算法进行优化,寻找权值与阈值的最佳参数组合,借此提高所构建模型的性能.针对原始风速序列与集成序列之间的误差序列,通过长短时记忆网络模型对其进行修正,修正后加总集成序列,得到最终的预测值.论文采用美国国家风电场的两组数据集作为案例研究.实验结果表明,与其他基准模型对比,该模型在短期风速预测中存在优越性.
关键词：变分模态分解算法粒子群优化算法极限学习机长短时记忆网络短期风速预测
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2025-06-20
在线出版日期：2025-09-23（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1557-1563 )
英文信息