[发明专利]一种基于考虑分量关联性小波分解的混合风速预测方法

摘要

本发明涉及一种基于考虑分量关联性小波分解的混合风速预测方法，将原始数据分为训练集和测试集；将训练集分解为若干子序列，根据子序列和原始数据的相关系数识别虚假子序列，并将其剔除相应，对剩余子序列建预测模型，通过子序列中第1至n个数据来预测第n+1个数据；叠加各个子序列预测得的第n+1个数据1，获得最终预测结果；更新训练集，并将更新后的训集分解为若干新的子序列，建立LSSVM模型预测第n+2数据，叠加各个子序列的预测得第n+2个数据获得预测值；继续进行超前一步预测，直到完成所有预测。本发明降低了子序列虚假成分的影响，提高了预测的性能，及预测的准确性和稳定性。

主权项

一种基于考虑分量关联性小波分解的混合风速预测方法，其特征在于，包括以下步骤：步骤1：将原始数据分为两部分，包括训练集：{x(1)，…，x(n)}；测试集{x(n+1)，…，x(n+N)}；步骤2：测试集视为未知，建立DWT或EMD模型将训练集分解为若干子序列{cj(1)，…，cj(n)}，j＝1…M+1；步骤3：进行子序列和原始序列的相关性分析，根据子序列和原始数据的相关系数识别虚假子序列：若相关系数超过所选阈值，则剔除相应的子系列，否则应保留相应的子系列；步骤4：对剩余子序列建立LSSVM或LSSVM‑GARCH预测模型，通过子序列中第1至n个数据来预测第n+1个数据：叠加各个子序列预测得的第n+1个数据获得最终预测结果：步骤5：更新训练集为{x(2)，…，x(n+1)}，将更新后的训集分解为若干新的子序列({cj(2)，…，cj(n+1)},j＝1…M+1)；建立LSSVM模型预测第n+2数据，叠加各个子序列的预测得第n+2个数据获得预测值步骤6：遵循步骤5过程继续进行超前一步预测，直到完成所有预测；步骤7：评估预测误差。