电子世界
電子世界
전자세계
ELECTRONICS WORLD
2013年
18期
79-79,80
,共2页
张江昆%常太华%孟洪民%刘白杨%胡阳%张超
張江昆%常太華%孟洪民%劉白楊%鬍暘%張超
장강곤%상태화%맹홍민%류백양%호양%장초
时间序列%ARIMA%Elman神经网络%风速预测%预测模型
時間序列%ARIMA%Elman神經網絡%風速預測%預測模型
시간서렬%ARIMA%Elman신경망락%풍속예측%예측모형
近年来研究表明,组合预测方法比单一预测具有更高的预测精度。提出了一种利用改进的Elman神经网络修正ARIMA模型预测结果的短期风速组合预测模型。先利用ARIMA模型对风速进行预测,其线性规律信息包含在时间序列预测结果中,非线性规律包含在预测误差中。再将ARIMA模型的预测误差及历史风速一阶差分序列作为改进的Elman神经网络输入变量,将ARIMA模型的风速预测误差作为输出变量。最后将ARIMA模型预测结果与Elman神经网络的误差预测结果叠加,得到最终修正后的预测风速。分析结果表明,该方法与单一ARIMA方法及其他组合方法相比,预测滞后性更小,预测精度更高,在风速预测领域具有较好的应用前景。
近年來研究錶明,組閤預測方法比單一預測具有更高的預測精度。提齣瞭一種利用改進的Elman神經網絡脩正ARIMA模型預測結果的短期風速組閤預測模型。先利用ARIMA模型對風速進行預測,其線性規律信息包含在時間序列預測結果中,非線性規律包含在預測誤差中。再將ARIMA模型的預測誤差及歷史風速一階差分序列作為改進的Elman神經網絡輸入變量,將ARIMA模型的風速預測誤差作為輸齣變量。最後將ARIMA模型預測結果與Elman神經網絡的誤差預測結果疊加,得到最終脩正後的預測風速。分析結果錶明,該方法與單一ARIMA方法及其他組閤方法相比,預測滯後性更小,預測精度更高,在風速預測領域具有較好的應用前景。
근년래연구표명,조합예측방법비단일예측구유경고적예측정도。제출료일충이용개진적Elman신경망락수정ARIMA모형예측결과적단기풍속조합예측모형。선이용ARIMA모형대풍속진행예측,기선성규률신식포함재시간서렬예측결과중,비선성규률포함재예측오차중。재장ARIMA모형적예측오차급역사풍속일계차분서렬작위개진적Elman신경망락수입변량,장ARIMA모형적풍속예측오차작위수출변량。최후장ARIMA모형예측결과여Elman신경망락적오차예측결과첩가,득도최종수정후적예측풍속。분석결과표명,해방법여단일ARIMA방법급기타조합방법상비,예측체후성경소,예측정도경고,재풍속예측영역구유교호적응용전경。