基于样本熵双分解和SSA-LSTM的超短期风速预测
打开文本图片集
摘 要：为进一步提高超短期风速预测的准确性，提出一种基于样本熵的双分解和麻雀搜索算法（SSA）改进长短时记忆神经网络（ILSTM）的耦合模型（简记为DILSTM）。首先，利用变分模态分解（VMD）分解原始序列并通过样本熵量化各子序列的复杂性；其次，利用完全自适应噪声集合经验模态分解（CEEMDAN）分解复杂度最高的子序列进一步提取特征过滤噪声；最后，将双分解得到的子序列分别建立DILSTM预测模型，并对所有子序列的预测结果叠加得到最终风速预测结果。（剩余15417字）