CEEMD-WT和CNN在短期风速预测中的应用研究

来源：计算机工程与应用杂志2018年第9期北京时间：

作者：颜宏文，卢格宇

单位：长沙理工大学 计算机与通信工程学院，长沙 410114

摘要：由于风速存在随机性和不稳定性，为了提高短期风速预测的精度，提出了一种基于完备总体经验模态分解（CEEMD）、小波变换（WT）和卷积神经网络（CNN）的短期风速预测混合模型。首先，CEEMD算法把原始风速序列分解成一些相对平稳的固有模态函数和一个残差序列；然后，WT算法对每个固有模态函数进行二次去噪，进一步消除噪声对固有模态函数的影响；最后，卷积神经网络对每个固有模态函数、残差序列和影响风速的5个属性训练预测得到各自的预测结果，对所有的预测结果重构得到最终的预测结果。通过实验与其他4个风速预测模型进行比较，所提出的模型预测的绝对平均百分比误差（MAPE）最小，为2.484%，表明在短期风速预测方面CEEMD-WT-CNN模型有较好的性能。

关键词：完备总体经验模态分解,小波变换,卷积神经网络,短期风速预测,固有模态分量,二次去噪