基于EEMD-CNN-GRU的短期风向预测

来源：南京信息工程大学学报·自然科学版杂志2023年第5期北京时间：

作者：史加荣，缑璠

单位：史加荣,西安建筑科技大学 理学院, 西安, 710055,缑璠,西安建筑科技大学 理学院, 西安, 710055

摘要：为了提高短期风向的预测精度，提出一种基于集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）、卷积神经网络（Convolutional Neural Network，CNN）和门控循环单元网络（Gated Recurrent Unit，GRU）的混合模型：EEMD-CNN-GRU.针对风向序列的随机性和不平稳性等特点，先利用EEMD将数据分解成多个分量；再运用CNN的局部连接和权值共享来提取分量中的潜在特征；最后，使用GRU对CNN所提取的潜在特征进一步构建特征，叠加各分量的预测值，得到最终预测结果.实验结果表明：相对于BP神经网络和长短期记忆网络（Long Short-Term Memory，LSTM）等其他模型，本文所提出的预测方法取得了良好的性能.

关键词：风向预测;集合经验模态分解;卷积神经网络;门控循环单元网络;长短期记忆网络

基金资助：国家重点研发计划（2018YFB1502902）；陕西省自然科学基金（2021JM-378，2021JQ-493）