2025年8月23日
星期六
|
欢迎来到鞍山市图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
杨江平
作品数:
1
被引量:25
H指数:1
供职机构:
重庆大学电气工程学院输配电装备及系统安全与新技术国家重点实验室
更多>>
发文基金:
国家重点实验室开放基金
更多>>
相关领域:
电气工程
更多>>
合作作者
王韶
重庆大学电气工程学院输配电装备...
李逢兵
重庆大学电气工程学院输配电装备...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
电气工程
主题
1篇
短期风速
1篇
支持向量
1篇
支持向量机
1篇
神经网
1篇
神经网络
1篇
组合预测
1篇
网络
1篇
向量
1篇
向量机
1篇
经验模式分解
1篇
径向基
1篇
径向基神经
1篇
径向基神经网...
1篇
回归神经网络
1篇
广义回归神经...
1篇
风速
机构
1篇
重庆大学
作者
1篇
李逢兵
1篇
王韶
1篇
杨江平
传媒
1篇
电力系统保护...
年份
1篇
2012
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于经验模式分解和神经网络的短期风速组合预测
被引量:25
2012年
风速时间序列具有很强的间歇性和随机性,属于非平稳时间序列。为提高预测精度,提出了经验模式分解法(EMD)和神经网络相结合的短期风速组合预测模型。该方法运用EMD将风速序列分解为一系列不同频率的相对平稳的分量,减少了不同特征信息之间的干扰;根据各个分量的变化规律,选择合适的神经网络模型来分别预测,对高频分量采用神经网络组合预测模型,低频分量采用合适的预测模型直接进行预测;将各分量预测值叠加得到最终预测值。算例结果表明,所提方法与单一的径向基神经网络模型(RBF)和支持向量机模型(SVM)相比,预测精度得到了大幅度的提高。
王韶
杨江平
李逢兵
刘庭磊
关键词:
经验模式分解
径向基神经网络
支持向量机
广义回归神经网络
组合预测
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张