基于RF-LightGBM-LSTM的短期风向预测
来源：计算机应用与软件杂志2025年第5期北京时间：
作者：吴倩, 吴海列, 孙勇
摘要：传统风突变监测对采集的风向进行阈值判断，无法改变机组因较大风向变化导致的停机问题。针对这种情况，提出一种风向时间序列智能预测方法。以机组实际运行数据作为数据集，采用随机森林方法进行特征工程，解决风向序列特征过少的问题；采用Sigmoid函数对序列数据二分类并基于LightGBM分别构建回归模型预测，应用贝叶斯优化模型参数调优，优化模型性能；采用LSTM算法建立残差预测模型进行自校正。实验结果表明，组合的自校正模型提高了预测精度，具有可行性。
关键词：随机森林, LightGBM, 二分类, 贝叶斯优化, LSTM
