基于EEMD-CNN-GRU的短期风向预测

作者：史加荣; 缑璠

来源：南京信息工程大学学报(自然科学版), 2023, 15(05): 568-573.

DOI：10.13878/j.cnki.jnuist.20221115002

• 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

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.

• 出版日期2023
• 单位西安建筑科技大学