时代经贸
時代經貿
시대경무
ECONOMIC & TRADE UPDATE
2012年
15期
47
,共1页
风速预测%小波分析%神经网络%LM算法
風速預測%小波分析%神經網絡%LM算法
풍속예측%소파분석%신경망락%LM산법
采用小波变换和神经网络相结合的方法对风速进行短期预测.利用小波变换将信号分解成不同频段的子序列,各子序列单支重构后,利用神经网络分别建模预测,最后将各子序列的预测结果叠加得到最终的风速预测值.在神经网络学习过程中采用LM算法,有效提高了收敛速度,降低了陷入局部极小值的可能.通过实例分析,验证了该方法可以较为准确地预测风速.
採用小波變換和神經網絡相結閤的方法對風速進行短期預測.利用小波變換將信號分解成不同頻段的子序列,各子序列單支重構後,利用神經網絡分彆建模預測,最後將各子序列的預測結果疊加得到最終的風速預測值.在神經網絡學習過程中採用LM算法,有效提高瞭收斂速度,降低瞭陷入跼部極小值的可能.通過實例分析,驗證瞭該方法可以較為準確地預測風速.
채용소파변환화신경망락상결합적방법대풍속진행단기예측.이용소파변환장신호분해성불동빈단적자서렬,각자서렬단지중구후,이용신경망락분별건모예측,최후장각자서렬적예측결과첩가득도최종적풍속예측치.재신경망락학습과정중채용LM산법,유효제고료수렴속도,강저료함입국부겁소치적가능.통과실례분석,험증료해방법가이교위준학지예측풍속.
