首页
|
新闻
|
新品
|
文库
|
方案
|
视频
|
下载
|
商城
|
开发板
|
数据中心
|
座谈新版
|
培训
|
工具
|
博客
|
论坛
|
百科
|
GEC
|
活动
|
主题月
|
电子展
注册
登录
论坛
博客
搜索
帮助
导航
默认风格
uchome
discuz6
GreenM
»
数字电路
» 基于ARIMA与Elman神经网络的风速组合预测模型(2)
返回列表
回复
发帖
发新话题
发布投票
发布悬赏
发布辩论
发布活动
发布视频
发布商品
基于ARIMA与Elman神经网络的风速组合预测模型(2)
发短消息
加为好友
yuyang911220
当前离线
UID
1029342
帖子
9914
精华
0
积分
4959
阅读权限
90
在线时间
286 小时
注册时间
2014-5-22
最后登录
2017-7-24
论坛元老
UID
1029342
性别
男
1
#
打印
字体大小:
t
T
yuyang911220
发表于 2016-11-23 16:06
|
只看该作者
基于ARIMA与Elman神经网络的风速组合预测模型(2)
表达式
,
模型
,
网络
,
空间
4.改进的Elman神经网络
4.1 改进Elman神经网络原理
Elman神经网络是一种具有局部记忆单元和局部反馈连接的前向反馈网络。本文采用一种改进的Elman神经网络,其非线性状态空间表达式为:
如图2所示,在承接层部分引入前一时刻c x值,B为一步延迟算子,其增益用λ表示,其大小反映承接层对过去时刻记忆的强弱。
4.2 网络结构的设计
已证明,若Elman神经网络隐含层数为1,且采用S型转换函数,则该网络能够以任意精度逼近任意有理函数,故本文将网络结构设计为3层。
ARIMA(2,1,1)模型对9月1日到9月30日内的720个风速数据进行预测得到预测误差,以归一化后误差数据的前4个和实测风速一阶差分值的第3个作为网络输入,以误差数据的第5个作为网络输出,依次传递,组成样本数据对网络进行训练。
5.实例仿真
5.1 ARIMA模型初步预测
本文采用的是某风电场的风速历史数据进行实际预测,采用9月1日到9月30日内720个风速值进行建模,10月1日到6日内144个风速值进行验证。
利用ARIMA(2,1,1)模型对数据进行预测,提前1小时预测结果如图3所示,预测效果评价如表1所示。
图3中,实测风速的剧烈波动性一定程度上影响了ARIMA模型预测精度,并且预测曲线滞后于实测风速曲线。
5.2 改进Elman神经网络修正误差
训练得到神经网络模型,对10月1日至10月6日144个测试样本数据归一化后进行预测,得到ARIMA预测误差,并与ARIMA模型预测值相加,得到修正后的预测值,如图4所示。误差预测结果如表2所示。
5.3 结果分析
通过对以上结果分析,可以得到以下结论:
(1)风速的1阶差分序列,代表风速的变化趋势,由图4、表1,以差分数据作为网络输入,利用改进Elman神经网络修正ARIMA模型预测误差,能够较好的减小预测滞后性,提高预测精度。
(2)用BP神经网络替代组合模型中Elman网络的预测效果见表1,表2.改进的Elman神经网络预测精度要比ARIMA-BP模型高,且训练速度提高30%以上。
6.结束语
本文将改进的Elman神经网络应用到风速时间序列预测的研究中,建立ARIMA-ELMAN组合预测模型,既描述了风速历史数据的线性规律,又描述了风速历史数据中的非线性规律,结果表明比单一使用ARIMA模型预测精度高、误差小;与ARIMA-BP模型相比,训练时间短,效率高。该预测模型在风速预测上具有良好的适用性,对进一步解决实际工程问题具有一定的参考价值。
收藏
分享
评分
继承事业,薪火相传
回复
引用
订阅
TOP
返回列表
电商论坛
Pine A64
资料下载
方案分享
FAQ
行业应用
消费电子
便携式设备
医疗电子
汽车电子
工业控制
热门技术
智能可穿戴
3D打印
智能家居
综合设计
示波器技术
存储器
电子制造
计算机和外设
软件开发
分立器件
传感器技术
无源元件
资料共享
PCB综合技术
综合技术交流
EDA
MCU 单片机技术
ST MCU
Freescale MCU
NXP MCU
新唐 MCU
MIPS
X86
ARM
PowerPC
DSP技术
嵌入式技术
FPGA/CPLD可编程逻辑
模拟电路
数字电路
富士通半导体FRAM 铁电存储器“免费样片”使用心得
电源与功率管理
LED技术
测试测量
通信技术
3G
无线技术
微波在线
综合交流区
职场驿站
活动专区
在线座谈交流区
紧缺人才培训课程交流区
意见和建议