yan jiang提出了基于增强变分模态分解、深度特征选择和多误差修正的概率风速预测框架,结果表明该方法具有较好的预测能力,可能更适合于具有非平稳性和非高斯性的数据;peng lu提出了基于时空(st)分析,多输出支持向量机(msvm)模型,来预测多个风电场的风电功率;li han提出空间重构(psr)来重构风动力系统的相空间,其次使用...
基于CNN-LSTM及深度学习的时空组合预测方法专利信息由爱企查专利频道提供,基于CNN-LSTM及深度学习的时空组合预测方法说明:本发明公开了基于CNN‑LSTM及深度学习的时空组合预测方法,包括S1、通过MI互信息算法对原...专利查询请上爱企查
lstm及深度学习的时空组合预测方法,其特征在于,包括如下步骤:s1、通过mi互信息算法对原始数据集的时间和空间相关性进行分析,消除数据间的冗余信息,对原始数据进行降维;s2、建立mi ‑ cnn ‑ lstm模型,对步骤s1降维后的数据进行预测,其中,cnn网络用于提取各站点空间信息,lstm网络用于获取时间序列数据间的依赖信息;s3...