一种短时风电功率的组合预测方法

    公开(公告)号:CN105631550A

    公开(公告)日:2016-06-01

    申请号:CN201511017696.X

    申请日:2015-12-29

    Applicant: 吉林大学

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明涉及风电技术领域,具体地来讲为一种短时风电功率的组合预测方法。基于灰色系统与最小二乘支持向量机,其特征在于,包括以下步骤:对原始风电功率数据进行预处理,进行灰色预测,得到残差序列,然后用最小二乘支持向量机模型对残差序列进行预测,得到新的残差值;选择核函数,采用交叉验证的方法确定最小二乘支持向量机的回归参数:得到数据集之后,选择径向基函数作为核函数,包含宽度参数、二次规划的优化参数;构造组合预测模型;输入数据集,生成预测函数;进行预测误差评价分析。通过上述方法提高预测精确性和速度。

    车联网环境下基于隐朴素贝叶斯分类方法的垂直切换方法

    公开(公告)号:CN108882326B

    公开(公告)日:2020-12-22

    申请号:CN201810692768.8

    申请日:2018-06-29

    Applicant: 吉林大学

    Abstract: 本发明涉及一种车联网环境下基于隐贝叶斯分类方法的垂直切换算法,该算法充分考虑了先验网络属性之间的依赖关系,考虑了网络切换判决变量间的联系,削弱了朴素贝叶斯分类方法中由于属性条件独立假设而引发性能下降,同时维持了原算法的复杂度。引入了速度自适应条件加权概率,使算法更好的考虑了速度对网络性能的影响,更好的适应了车辆节点不断变化的速度。与原有基于朴素贝叶斯决策的算法相比,该算法挺高了切换效率,降低了切换时产生的“乒乓效应”;同时自适应的匹配车辆节点的速度,可以规避不符合速度的网络,避免接入不匹配速度的网络。

    车联网环境下基于隐朴素贝叶斯分类方法的垂直切换算法

    公开(公告)号:CN108882326A

    公开(公告)日:2018-11-23

    申请号:CN201810692768.8

    申请日:2018-06-29

    Applicant: 吉林大学

    CPC classification number: H04W36/14 H04W4/48 H04W36/32

    Abstract: 本发明涉及一种车联网环境下基于隐贝叶斯分类方法的垂直切换算法,该算法充分考虑了先验网络属性之间的依赖关系,考虑了网络切换判决变量间的联系,削弱了朴素贝叶斯分类方法中由于属性条件独立假设而引发性能下降,同时维持了原算法的复杂度。引入了速度自适应条件加权概率,使算法更好的考虑了速度对网络性能的影响,更好的适应了车辆节点不断变化的速度。与原有基于朴素贝叶斯决策的算法相比,该算法挺高了切换效率,降低了切换时产生的“乒乓效应”;同时自适应的匹配车辆节点的速度,可以规避不符合速度的网络,避免接入不匹配速度的网络。

Patent Agency Ranking