公开(公告)号：CN107316101A

公开(公告)日：2017-11-03

申请号：CN201710407557.0

申请日：2017-06-02

Applicant: 西南交通大学

Inventor： 姜言 ,  黄国庆 ,  李永乐 ,  宋淳宸 ,  彭新艳 ,  杨成

IPC: G06Q10/04 ,  G06K9/62 ,  G06F17/14

CPC classification number: G06Q10/04 ,  G06F17/148 ,  G06K9/6269

Abstract: 本发明公开了一种基于小波分解和分量超前选择的风速预测方法，包括以下步骤：（1）将原始风速序列划分为初始训练集和预测集；（2）通过小波分解方法对训练集中数据进行分解；（3）对步骤（2）中分解的分量分别建立最小二乘支持向量机模型并进行超前一步预测；得到下一时刻的k+1个叠加预测值；（4）从步骤（3）叠加预测值中选择最接近预测集中vn+1的叠加方式r2；（5）更新训练样本，依次类推，即得所需风速预测值；本发明与现有风速预测模型相比预测精度大幅提高。

公开(公告)号：CN107292446B

公开(公告)日：2021-01-29

申请号：CN201710532532.3

申请日：2017-07-03

Applicant: 西南交通大学

Inventor： 黄国庆 ,  姜言 ,  彭新艳 ,  宋淳宸 ,  李永乐

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明涉及一种基于考虑分量关联性小波分解的混合风速预测方法，将原始数据分为训练集和测试集；将训练集分解为若干子序列，根据子序列和原始数据的相关系数识别虚假子序列，并将其剔除相应，对剩余子序列建预测模型，通过子序列中第1至n个数据来预测第n+1个数据；叠加各个子序列预测得的第n+1个数据1，获得最终预测结果；更新训练集，并将更新后的训集分解为若干新的子序列，建立LSSVM模型预测第n+2数据，叠加各个子序列的预测得第n+2个数据获得预测值；继续进行超前一步预测，直到完成所有预测。本发明降低了子序列虚假成分的影响，提高了预测的性能，及预测的准确性和稳定性。

公开(公告)号：CN107292446A

公开(公告)日：2017-10-24

申请号：CN201710532532.3

申请日：2017-07-03

Applicant: 西南交通大学

Inventor： 黄国庆 ,  姜言 ,  彭新艳 ,  宋淳宸 ,  李永乐

IPC: G06Q10/04 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06Q50/06

Abstract: 本发明涉及一种基于考虑分量关联性小波分解的混合风速预测方法，将原始数据分为训练集和测试集；将训练集分解为若干子序列，根据子序列和原始数据的相关系数识别虚假子序列，并将其剔除相应，对剩余子序列建预测模型，通过子序列中第1至n个数据来预测第n+1个数据；叠加各个子序列预测得的第n+1个数据1，获得最终预测结果；更新训练集，并将更新后的训集分解为若干新的子序列，建立LSSVM模型预测第n+2数据，叠加各个子序列的预测得第n+2个数据获得预测值；继续进行超前一步预测，直到完成所有预测。本发明降低了子序列虚假成分的影响，提高了预测的性能，及预测的准确性和稳定性。