短期风速时间序列混沌特性分析及预测

被引：22

作者：

田中大 ^{[1
]}

李树江 ^{[1
]}

王艳红 ^{[1
]}

高宪文 ^{[2
]}

机构：

[1] 沈阳工业大学信息科学与工程学院

[2] 东北大学信息科学与工程学院

来源：

物理学报 | 2015年 / 64卷 / 03期

基金：

国家自然科学基金重点项目;

关键词：

短期风速; 时间序列; 混沌; 预测;

D O I：

暂无

中图分类号：

O415.5 [混沌理论];

学科分类号：

摘要：

针对短期风速时间序列的预测问题进行了研究.首先通过0-1混沌测试法确定短期风速时间序列具有混沌特性.采用相空间重构技术,利用C-C算法确定延迟时间,G-P算法确定嵌入维数.然后提出一种参数在线修正的最小二乘支持向量机预测模型,采用改进的粒子群算法进行预测模型中参数的优化.最后通过仿真对比实验表明提出的预测方法在预测精度、预测误差、预测效果方面都要优于其他常见的预测方法,证明该预测方法是有效的.

引用

页码：246 / 257

页数：12

共 18 条

[1] 基于迭代误差补偿的混沌时间序列最小二乘支持向量机预测算法 [J].

唐舟进 ;

任峰 ;

彭涛 ;

王文博 .

物理学报, 2014, 63 (05) :78-87

[2] 短时交通流复杂动力学特性分析及预测 [J].

张洪宾 ;

孙小端 ;

贺玉龙 .

物理学报, 2014, 63 (04) :55-62

[3] 基于相关向量机的短期风速预测模型 [J].

李慧杰 ;

刘亚南 ;

卫志农 ;

李晓露 ;

Kwok W Cheung ;

孙永辉 ;

孙国强 .

电力自动化设备, 2013, 33 (10) :28-32

[4] 基于混沌特性分析的风速序列混合预测方法 [J].

修春波 ;

刘新婷 ;

张欣 ;

于婷婷 .

电力系统保护与控制, 2013, 41 (01) :14-20

[5] 基于径向基函数神经网络的风速预测 [J].

刘进宝 ;

丁涛 .

太阳能学报, 2012, 33 (07) :1131-1135

[6] 基于相似数据的支持向量机短期风速预测仿真研究 [J].

杨锡运 ;

孙宝君 ;

张新房 ;

李利霞 .

中国电机工程学报, 2012, 32 (04) :35-41+21

[7] 基于蚁群优化的最小二乘支持向量机风速预测模型研究 [J].

曾杰 ;

张华 .

太阳能学报, 2011, 32 (03) :296-300

[8] 基于ARIMA模型的自动站风速预测 [J].

蒋金良 ;

林广明 .

控制理论与应用, 2008, (02) :374-376

[9]

Pattern recognition and data mining software based on artificial neural networks applied to proton transfer in aqueous environments[J] . Amani Tahat,Jordi Marti,Ali Khwaldeh,Kaher Tahat.Chinese Physics B . 2014 (4)

[10]

Climate Change on the Northern Tibetan Plateau during 1957-2009: Spatial Patterns and Possible Mechanisms[J] . Cuo,Lan,Zhang,Yongxin,Wang,Qingchun,Zhang,Leilei,Zhou,Bingrong,Hao,Zhenchun,Su,Fengge.Journal of Climate . 2013 (1)

← 1 2 →