基于LSTM长短期记忆网络的超短期风速预测
Ultra-short-term wind speed prediction model using LSTM networks作者机构:北京交通大学机械与电子控制工程学院北京100044 北京交通大学载运工具先进制造与测控技术教育部重点实验室北京100044
出 版 物:《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)
年 卷 期:2019年第31卷第2期
页 面:64-71页
核心收录:
学科分类:08[工学] 082303[工学-交通运输规划与管理] 0823[工学-交通运输工程]
基 金:"十三五"国家重点研发计划(2016YFB1200401) 载运工具先进制造与测控技术教育部重点实验室(北京交通大学)开放课题资助项目
主 题:长短期记忆(LSTM) 超短期预测 风速预测
摘 要:大风天气容易导致高速列车发生脱轨、翻车等事故,因此对于风速的超短期预测对于高铁安全行驶具有重要的意义。提出一种基于长短期记忆(LSTM)网络的预测模型,对WindLog风速传感器采集得到的每分钟最大风速数据进行分组预处理,设置合理的步长参数,建立双层LSTM网络结构,采用北京市海淀区的风速数据进行训练,并对超前1、5、10 min的风速进行超前预测,超前1 min的预测值平均误差为0.467 m/s,正确率达100%;超前5 min的预测值平均误差为0.543 m/s,正确率达99.6%;超前10 min的预测值平均误差为0.627 m/s,正确率达98.8%。实验结果表明,该预测模型具有较好的适应性和较高的预测精度。