| 基于空間深度置信網絡的風速預測優化方法 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>757 K | |
| 標簽： 深度置信網絡 風速預測 高斯過程回歸 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：風能是目前應用最為廣泛、技術最為成熟的可再生能源。為了保證風電場的穩定和安全運行，風速的準確預測至關重要。除傳統的數值天氣預報以外，機器學習技術已經廣泛應用于不同時間尺度的風速預測。然而這些工作大多局限于單一地點的風速序列分析，沒有考慮和利用風速的空間相關性。對此，使用深度置信網絡(Deep Belief Network，DBN)對同一區域內多個地點的風速序列進行空間相關性特征識別。在訓練過程中，深度置信網絡充分挖掘了該區域內歷史風速的聯合分布，借此改善未來的風速預測。多組風速預測實驗表明，空間深度置信網絡能夠有效降低風速的預測誤差，經過空間深度置信網絡重構后的風速預測誤差平均降低了0.4 m/s。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2