干旱区生态环境知识资源中心(Arid): 小波包分解与多个机器学习模型耦合在风速预报中的对比

Arid

	小波包分解与多个机器学习模型耦合在风速预报中的对比
其他题名	The hybrid of wavelet packet decomposition and machine learning models in wind speed forecasting
	王同亮; 马绍休; 高扬; 宫毓来; 安志山
来源期刊	中国沙漠
ISSN	1000-694X
出版年	2021
卷号	41 期号:2
中文摘要	准确预报风速是提高风电利用率以及电力系统稳定性的有效方法。学者们提出了大量风速预报模型,但针对不同下垫面不同风速预报模型的对比研究较少。该研究主要探究小波包分解和12个机器学习模型耦合对3种下垫面(戈壁、绿洲和沙漠)风速预报能力,探索风速预报的优化耦合模型。设置3组模型实验进行对比:单一机器学习模型、小波包分解-机器学习混合模型和小波包分解-机器学习-卷积神经网络混合模型。结果表明:具有特征选择和记忆功能的深度学习模型(如卷积长短时记忆网络)以及极限学习机对风速具有较好的预报能力,小波包分解可以显著提高模型精度。小波包分解与卷积长短时记忆网络、卷积门控循环单元和极限学习机的耦合模型在风速预报中具有较好的表现。这表明信号分解和深度学习的耦合模型,能有效提高预报精度,值得推广。
英文摘要	Wind speed forecasting is an effective method to improve wind power utilization and power system stability.Previous studies proposed a amount of wind speed forecast models,but there are few comparative studies on wind speed forecast models for different underlying land cover.This study mainly explores the ability of wavelet packet decomposition,12 machine learning models and their coupled models to forecast the wind speed for three different underlying land cover and landforms(gobi,oasis and desert),and explores the optimized coupled model for wind speed forecast.Three sets of model experiments were set up for comparison in the article:single XXX model,WPD-XXX hybrid model and WPD-XXX-CNN hybrid model.We found that the deep learning models with feature selection,memory functions(such as convolutional long short-term memory networks) and extreme learning machine have better forecast capabilities for wind speed forecast.The wavelet packet decomposition significantly improves model accuracy.The coupled modesl of wavelet packet decomposition and convolutional long short-term memory network,convolutional gated recurrent unit network has better performance.This shows that the use of signal decomposition and the coupling of deep learning models can effectively improve the forecast accuracy of the models.It could be widely used in industry practices.
中文关键词	风速预报 ; 小波包分解 ; 深度学习模型 ; 干旱半干旱区 ; 耦合模型
英文关键词	wind speed forecast wavelet packet decomposition deep learning model arid and semi-arid area hybrid model
类型	Article
语种	中文
收录类别	CSCD
WOS类目	Meteorology & Atmospheric Sciences
CSCD记录号	CSCD:6936957
来源机构	中国科学院西北生态环境资源研究院
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/354605
作者单位	王同亮, 中国科学院西北生态环境资源研究院;;中国科学院大学, 中国科学院沙漠与沙漠化重点实验室;;, 兰州;;, 甘肃;;北京 730000;;100049, 中国. 高扬, 中国科学院西北生态环境资源研究院;;中国科学院大学, 中国科学院沙漠与沙漠化重点实验室;;, 兰州;;, 甘肃;;北京 730000;;100049, 中国. 宫毓来, 中国科学院西北生态环境资源研究院;;中国科学院大学, 中国科学院沙漠与沙漠化重点实验室;;, 兰州;;, 甘肃;;北京 730000;;100049, 中国. 马绍休, 中国科学院西北生态环境资源研究院, 中国科学院沙漠与沙漠化重点实验室, 兰州, 甘肃 730000, 中国. 安志山, 中国科学院西北生态环境资源研究院;;中国科学院西北生态环境资源研究院公共技术服务中心, 中国科学院沙漠与沙漠化重点实验室;;, 兰州;;兰州, 甘肃;;甘肃 730000;;730000, 中国.
推荐引用方式 GB/T 7714	王同亮,马绍休,高扬,等. 小波包分解与多个机器学习模型耦合在风速预报中的对比[J]. 中国科学院西北生态环境资源研究院,2021,41(2).
APA	王同亮,马绍休,高扬,宫毓来,&安志山.(2021).小波包分解与多个机器学习模型耦合在风速预报中的对比.中国沙漠,41(2).
MLA	王同亮,et al."小波包分解与多个机器学习模型耦合在风速预报中的对比".中国沙漠 41.2(2021).