《表1 各分量模型参数:基于变分模式分解和深度门控循环网络的风速短期预测模型》
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
《基于变分模式分解和深度门控循环网络的风速短期预测模型》
本文选取Keras深度学习框架构建预测模型,模型的输出为下一时刻风速值,因此输出层神经元个数为1,模型损失函数选取为MSE,每批数据输入量为25。时间步数这一参数代表着GRU网络对时序依赖进行建模时向前回溯的最大步长。考虑到GRU能够动态调节不同时刻积分的权值和训练时耗问题,时间步数选取为20,以期既能够挖掘时序长期依赖关系又能以较快的速度训练模型。剩下需要调节的参数有网络层数、各隐含层单元个数、regularization、droupout等。经过多次试验,最终各分量预测模型的参数选取如表1所示。
图表编号 | XD00209906400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.25 |
作者 | 吴宇杭、温步瀛、江岳文、陈静、王怀远 |
绘制单位 | 福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院、福州大学电气工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |