数字技术与应用
數字技術與應用
수자기술여응용
DIGITAL TECHNOLOGY AND APPLICATION
2014年
8期
97-97
,共1页
敖培%李贺%李怀芝%赵四方%冯志鹏
敖培%李賀%李懷芝%趙四方%馮誌鵬
오배%리하%리부지%조사방%풍지붕
旋转森林%极端学习机短期风速预测
鏇轉森林%極耑學習機短期風速預測
선전삼림%겁단학습궤단기풍속예측
ROF%ELM%short-term wind speed prediction
为了对风速进行准确的预测,本文提出一种基于ROF的ELM集成预测算法,即采用ROF算法产生差异性训练数据训练多个个体ELM,然后利用加权平均的方法集成各个体ELM的预测结果。实验表明,与个体预测模型相比,该算法有更高的预测精度。
為瞭對風速進行準確的預測,本文提齣一種基于ROF的ELM集成預測算法,即採用ROF算法產生差異性訓練數據訓練多箇箇體ELM,然後利用加權平均的方法集成各箇體ELM的預測結果。實驗錶明,與箇體預測模型相比,該算法有更高的預測精度。
위료대풍속진행준학적예측,본문제출일충기우ROF적ELM집성예측산법,즉채용ROF산법산생차이성훈련수거훈련다개개체ELM,연후이용가권평균적방법집성각개체ELM적예측결과。실험표명,여개체예측모형상비,해산법유경고적예측정도。
In order to predict wind speed accurately, an ELM ensemble algorithm based on ROF is proposed in this paper. Firstly, ROF algorithm is used to produce diversity data to train individual ELMs. Secondly, weighted averaging method is used to col ect the prediction results of individual ELMs. Verified by an example, this algorithm is better than individual prediction model.