您的位置: 专家智库 > >

刘新婷

作品数:7 被引量:17H指数:3
供职机构:天津工业大学更多>>
发文基金:国家自然科学基金天津市自然科学基金更多>>
相关领域:动力工程及工程热物理电气工程天文地球更多>>

文献类型

  • 4篇期刊文章
  • 2篇专利
  • 1篇学位论文

领域

  • 2篇动力工程及工...
  • 2篇电气工程
  • 1篇天文地球

主题

  • 6篇风速
  • 5篇时间序列预测
  • 4篇周期
  • 3篇时间序列
  • 2篇互信息
  • 2篇混沌
  • 2篇风速预测
  • 1篇动力学特性
  • 1篇动力学特性分...
  • 1篇延迟时间
  • 1篇预测技术
  • 1篇神经网
  • 1篇神经网络
  • 1篇网络
  • 1篇相空间重构
  • 1篇BP网
  • 1篇BP网络

机构

  • 7篇天津工业大学
  • 1篇北京科技大学

作者

  • 7篇刘新婷
  • 5篇修春波
  • 3篇张欣
  • 3篇于婷婷
  • 1篇李艳晴
  • 1篇成怡

传媒

  • 2篇天津工业大学...
  • 1篇东南大学学报...
  • 1篇电力系统保护...

年份

  • 1篇2016
  • 2篇2013
  • 4篇2012
7 条 记 录,以下是 1-7
排序方式:
基于混沌特性分析的风速序列混合预测方法被引量:9
2013年
为提高风速时间序列的预测性能,针对具有混沌特性的风速时间序列提出一种混合预测方法。通过分析风速时间序列的动力学特性,求解风速时间序列蕴含的最佳不稳定周期轨道,将前一最佳不稳定周期轨道附近的值作为当前预测结果,从而得到基于混沌不稳定周期轨道的预测结果。另外,将混沌算子网络应用于风速时间序列预测分析中,通过调节网络参数改变预测网络的动力学特性,从而实现风速时间序列预测分析。将这两种具有不同机理的预测方法通过优化融合指标函数的方式实现预测结果融合,从而实现风速时间序列的混合预测。仿真结果表明,混合预测方法能够进一步提高风速时间序列的预测性能。
修春波刘新婷张欣于婷婷
关键词:混沌
一种基于不稳定周期的风速时间序列预测方法
本发明属于时间序列预测分析领域,具体为一种基于不稳定周期的风速时间序列预测方法。对具有混沌特性的风速时间序列进行相空间重构,利用互信息法确定相空间重构的延迟时间,通过求解指标函数确定最佳不稳定周期和嵌入维数,利用前一不稳...
修春波刘新婷
文献传递
风速时间序列混合预测方法研究被引量:3
2013年
为改善具有混沌特性的风速时间序列的预测性能,提出一种混合预测方法,利用相空间重构理论实现风速时间序列的重构,通过优化周期轨道函数求取时间序列中蕴含的不稳定周期,利用前一不稳定周期的风速数据对未来风速进行预测.采用神经网络对同一风速序列再进行预测分析,将2种预测结果采用加权求和的方式进行融合,实现风速序列的混合预测,并采用混沌优化算法确定加权参数.仿真实验结果表明:混沌不稳定周期方法能够改善具有混沌特性风速序列的预测性能,混合预测方法能够进一步提高风速序列的预测效果,预测性能优于单一预测方法.
李艳晴成怡刘新婷
关键词:风速预测BP网络
一种基于不稳定周期的风速时间序列预测方法
本发明属于时间序列预测分析领域,具体为一种基于不稳定周期的风速时间序列预测方法。对具有混沌特性的风速时间序列进行相空间重构,利用互信息法确定相空间重构的延迟时间,通过求解指标函数确定最佳不稳定周期和嵌入维数,利用前一不稳...
修春波刘新婷
文献传递
基于迟滞神经网络的风速时间序列预测被引量:1
2012年
为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.
张欣修春波刘新婷于婷婷
关键词:神经网络
基于动力学特性分析的风速时间序列预测
风能作为无污染的可再生资源,已经开始大规模开发利用,主要形式是风力发电。为实现风电并网,电能合理调度,必须对风速进行预测。本文首先对传统的风速预测方法进行了分析验证,传统的风速时间序列预测精度在25%-40%,难以满足要...
刘新婷
关键词:风速时间序列预测技术动力学特性
基于混沌不稳定周期方法的风速时间序列预测被引量:6
2012年
结合相空间重构理论,针对具有混沌特性的风速时间序列提出一种基于不稳定周期的预测方法.采用互信息法计算给定时间序列的延迟时间参数,根据时间序列运行轨迹的重合度,构造不稳定周期优化函数.通过对该函数的优化计算,得到嵌入维数参数及最佳不稳定周期值.根据所得延迟时间和嵌入维数等参数对风速时间序列进行相空间重构.利用前一不稳定周期轨迹附近的数值实现对未来风速时间序列的预测分析.仿真实验结果表明,该方法能够有效提高风速时间序列的预测性能,并可实现风速序列的多步预测分析.与持续法等传统预测方法相比,当预测步长增加时,该方法具有更稳定的预测性能.
刘新婷修春波张欣于婷婷
关键词:风速预测时间序列
共1页<1>
聚类工具0