《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》

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

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。