基于径向基函数神经网络的风速预测

被引:10
作者
刘进宝 [1 ]
丁涛 [2 ]
机构
[1] 浙江同济科技职业学院
[2] 中国计量学院质量与安全工程学院
基金
浙江省自然科学基金;
关键词
风速预测; 径向基函数; 神经网络; 模糊聚类;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算]; TK81 [风能];
学科分类号
摘要
针对短期风速预测问题,提出基于交叉迭代模糊聚类算法和正则化正交最小二乘法的径向基函数神经网络预测方法。该方法首先利用交叉迭代模糊聚类算法确定样本数据的模糊聚类中心,然后采用正则化正交最小二乘法进一步优选径向基函数中心,并将广义交叉有效性指标作为停止选择过程的标准。该方法可有效减小网络规模,提高网络推广能力,并能避免数值病态情况发生。以我国某风电场实测风速时间序列为例进行计算和分析,其结果验证了所提方法的有效性。
引用
收藏
页码:1131 / 1135
页数:5
相关论文
共 10 条
[1]   风电场短期风速的混沌预测方法 [J].
罗海洋 ;
刘天琪 ;
李兴源 .
电网技术, 2009, 33 (09) :67-71
[2]   风电场短期风速预测探讨 [J].
吴国旸 ;
肖洋 ;
翁莎莎 .
吉林电力, 2005, (06) :21-24
[3]   模糊模式识别交叉迭代模型与收敛性 [J].
陈守煜 .
大连理工大学学报, 2001, (03) :264-267
[4]  
复杂水资源系统优化模糊识别理论与应用[M]. 吉林大学出版社 , 陈守煜著, 2002
[5]  
Nonlinear dynamics, delay times, and embedding windows[J] . H.S. Kim,R. Eykholt,J.D. Salas. Physica D: Nonlinear Phenomena . 1999 (1)
[6]   Short-term forecasting of wind speed and related electrical power [J].
Alexiadis, MC ;
Dikopoulos, PS ;
Sahsamanoglou, HS ;
Manousaridis, IM .
SOLAR ENERGY, 1998, 63 (01) :61-68
[7]   Regularized orthogonal least squares algorithm for constructing radial basis function networks [J].
Chen, S ;
Chng, ES ;
Alkadhimi, K .
INTERNATIONAL JOURNAL OF CONTROL, 1996, 64 (05) :829-837
[8]   State space reconstruction parameters in the analysis of chaotic time series - The role of the time window length [J].
Kugiumtzis, D .
PHYSICA D, 1996, 95 (01) :13-28
[9]   REGULARIZATION IN THE SELECTION OF RADIAL BASIS FUNCTION CENTERS [J].
ORR, MJL .
NEURAL COMPUTATION, 1995, 7 (03) :606-623
[10]  
Discussion: Multivariate Adaptive Regression Splines[J] . Andrew R. Barron,Xiangyu Xiao. The Annals of Statistics . 1991 (1)