利用不同的计算技术进行风速预测
摘要：基于神经网络的时间序列方法用于实时预测风速的评估——以高水位海上风场为例 风力被预计将成为未来最受追捧的能源之一。世界各地陆上和离岸风场都在迅速部署。本文通过分析果阿附近深水域的波浪测量浮标收集到的每三小时风速数据，评估了一种基于神经网络的时间序列方法，用于实时预测时间为12小时以下的风速。数据的收集时间为1998年2月至2002年2月，共4年。使用多种算法训练了一个简单的前馈型网络。通过试验选择了三个输入节点，对应于先前观测段，并选择一个输出节点，分别表示预测后续3小时、6小时和12小时的风速值。隐藏节点的数量基于试验确定。将总样本分为训练集（前70%）和测试集（余下30%）。通过散点图、时间历史图和相关系数R以及均方误差MSE的误差统计方法，将网络的预测结果与实际观测数据进行比较。网络的测试结果表明，在3小时的预测中，预测的风速非常满意，相关系数R为0.99，均方误差MSE为0.30（m/s）²。而在12小时的预测中，相关系数R值为0.96，均方误差MSE为1.19（m/s）²。与基于多项式拟合和ARMA模型相比，基于神经网络的预测表现更佳。也尝试使用ARIMA模型，但预测值存在显著滞后。
作者：Munir Ahmad Nayak and M C Deo
论文ID：1402.3641
分类：Computation
分类简称：stat.CO
提交时间：2014-02-18