《表1 各IMF分量重组后的结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于互补集合经验模态分解-模糊熵-深度信念网络的短期风速预测》
其次,为了避免CEEMD方法将风速序列分解后的IMF分量过多对预测结果的影响,通过模糊熵计算出各IMF分量的熵值,然后根据各IMF分量的差异进行分类和重组。试验采用嵌入维数m=2,r=0.2σSD,n=2,经过模糊熵计算可以将各分量的变化趋势形象地表达出来,如图7所示。IMF1分量的模糊熵值远大于其他分量;IMF2与IMF3、IMF4分量的模糊熵值的差异也很大;IMF5~IMF9和余量r的模糊熵值差异很小,将不同差异程度的分量进行重组,如表1所示。最后,对重组后的分量分别建立预测模型,将各个预测结果进行叠加获得最终预测结果。
图表编号 | XD00108401000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.18 |
作者 | 赵辉、华海增、岳有军、王红君 |
绘制单位 | 天津农学院工程技术学院、天津理工大学天津市复杂系统控制理论与应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |