就是PCA+LSTM,我尼玛竟然读了一小时
基于的风电短期预报深度长短期记忆
主成分分析(PEA)用于选择输入样本并减少输入的维数、
BP神经网络与支持向量机的比较
反映信息的有效信息风电场的特征提取采用主成分分析法。这个选择主成分作为LSTM的输入。
PCA的主要原理:
是找到合适的线性。变换将相互关联的变量转换为相互独立的新变量。每个新变量有其独特的含义,其中,
方差较大的变量可以反映主要信息。包含在原始多变量中。
NWP数据包括空气密度、压力、温度、风速和风向100m(用Y 1表示Y 5)
表II示出了特征值的特征向量。协方差矩阵。第一主成分z 1主要是与风速(Y 4)和第二主方向有关
分量Z 2主要与风向(Y 5)有关。
归一化平均绝对误差和归一化均方根误差
隐层数为三,神经元数目为三层为300500200层,迭代次数为100次。