《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。