[发明专利]一种基于完备总体经验模态分解和极限学习机的风速预测方法

摘要

本发明公开一种基于完备总体经验模态分解和极限学习机的风速预测方法，该方法首先利用完备总体经验模态分解对不稳定、随机的原始风速序列进行分解得到一系列的稳定的固有模态分量和一个残差序列，然后利用极限学习机对每个固有分量和残差序列进行训练预测得到各自的子预测结果，最后把所有的子预测结果重构得到最后的风速预测结果。通过与其它3个风速预测模型相比较可知，本发明提出的方法不仅提高了风速预测的精度，还增强了模型的鲁棒性和训练预测速率。

主权项

一种基于完备总体经验模态分解和极限学习机的风速预测方法，其特征在于，包括以下步骤：S1、采集原始风速数据，构建完备总体经验模态分解和极限学习机的风速预测模型，利用完备总体经验模态分解对原始的风速序列进行分解得到多个稳定的固有模态分量；S2、针对每个固有模态分量确定各自的训练集和测试集；S3、把每个固有模态分量确定的训练集分别作为极限学习机的输入进行训练，得到它们各自的训练特征；S4、对每个固有模态分量对应的测试集进行预测，得到每个固有模态分量对应的子预测结果；S5、将S4中得到的各个子预测结果进行重构，得到最终的预测值结果输出；S6、上述模型对比单个极限学习机和经验模态分解与极限学习机这两个模型的性能指标，得到性能最优的风速预测模型。