- 专利标题： 基于优化奇异值分解生成特征集的低信息损失短期风速预测方法
-
申请号： CN201910050602.0申请日： 2019-01-20
-
公开(公告)号： CN109886464B公开(公告)日： 2022-03-18
- 发明人: 黄南天 , 吴银银 , 蔡国伟 , 张祎祺 , 杨冬锋 , 黄大为 , 王文婷 , 包佳瑞琦 , 杨学航
- 申请人： 东北电力大学
- 申请人地址： 吉林省吉林市船营区长春路169号
- 专利权人： 东北电力大学
- 当前专利权人： 东北电力大学
- 当前专利权人地址： 吉林省吉林市船营区长春路169号
- 代理机构： 吉林市达利专利事务所
- 代理商 陈传林
- 主分类号： G06Q10/04
- IPC分类号： G06Q10/04 ; G06Q50/06 ; G06K9/62
摘要：
本发明是一种基于优化奇异值分解生成特征集的低信息损失短期风速预测方法，其特点是，包括：风速序列降噪处理、降维特征集生成、特征重要度计算、特征选择和模型验证等步骤，具有科学合理，适应性强，实用价值高，低信息损失和高精度预测的特点。
公开/授权文献
- CN109886464A 基于优化奇异值分解生成特征集的低信息损失短期风速预测方法 公开/授权日：2019-06-14
