基于线性判别分析和IALO-ELM的中长期径流预测方法及系统

    公开(公告)号:CN113435628B

    公开(公告)日:2023-08-22

    申请号:CN202110588318.6

    申请日:2021-05-28

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于线性判别分析和IALO‑ELM的中长期径流预报方法及系统,所述方法包括:(1)获取某水文站的径流数据并对数据进行归一化处理,运用线性判别分析法对径流数据进行预报因子选择;(2)运用拉丁超立方对蚁狮种群初始化;(3)建立基于改进蚁狮算法(IALO)的优化极限学习机模型;(4)将蚁狮原始种群分为p等分,运用多种群方法进行交互和预选机制两两对比分析出全局最优路径;(5)将Fuch映射引入蚁狮算法中,对局部最优解的邻域进行混沌遍历搜索。本发明利用改进蚁狮算法与极限学习机相结合,大大提高了径流预测准确性和预测精度的可靠性。

    基于线性判别分析和IALO-ELM的中长期径流预测方法及系统

    公开(公告)号:CN113435628A

    公开(公告)日:2021-09-24

    申请号:CN202110588318.6

    申请日:2021-05-28

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于线性判别分析和IALO‑ELM的中长期径流预报方法及系统,所述方法包括:(1)获取某水文站的径流数据并对数据进行归一化处理,运用线性判别分析法对径流数据进行预报因子选择;(2)运用拉丁超立方对蚁狮种群初始化;(3)建立基于改进蚁狮算法(IALO)的优化极限学习机模型;(4)将蚁狮原始种群分为p等分,运用多种群方法进行交互和预选机制两两对比分析出全局最优路径;(5)将Fuch映射引入蚁狮算法中,对局部最优解的邻域进行混沌遍历搜索。本发明利用改进蚁狮算法与极限学习机相结合,大大提高了径流预测准确性和预测精度的可靠性。

    一种基于深度BISLTM的太阳辐射预测方法

    公开(公告)号:CN112100911A

    公开(公告)日:2020-12-18

    申请号:CN202010935820.5

    申请日:2020-09-08

    申请人: 淮阴工学院

    摘要: 本发明涉及太阳辐射预测技术领域,公开了一种基于深度BISLTM的太阳辐射预测方法,采用CEEMDAN将原始太阳辐射序列分解为子分量集合;对各所述分量,构建独立的双向长短期记忆神经网络子模型;对各子分量的BISLTM模型采用SCA算法进行优化,输出BISLTM模型的最佳参数;利用训练好的子分量SCA‑BiLSTM模型计算目标变量的预测值;将各子分量SCA‑BiLSTM模型的预测值进行聚合,得到CEN‑SCA‑BiLSTM模型的最终预报结果。与现有技术相比,本发明的预测方法能够获得高精度的太阳辐射预测值,对光伏资源的利用效率和电网的安全稳定运行具有重要作用。

    一种基于深度BILSTM的太阳辐射预测方法

    公开(公告)号:CN112100911B

    公开(公告)日:2023-06-30

    申请号:CN202010935820.5

    申请日:2020-09-08

    申请人: 淮阴工学院

    摘要: 本发明涉及太阳辐射预测技术领域,公开了一种基于深度BILSTM的太阳辐射预测方法,采用CEEMDAN将原始太阳辐射序列分解为子分量集合;对各所述分量,构建独立的双向长短期记忆神经网络子模型;对各子分量的BILSTM模型采用SCA算法进行优化,输出BILSTM模型的最佳参数;利用训练好的子分量SCA‑BiLSTM模型计算目标变量的预测值;将各子分量SCA‑BiLSTM模型的预测值进行聚合,得到CEN‑SCA‑BiLSTM模型的最终预报结果。与现有技术相比,本发明的预测方法能够获得高精度的太阳辐射预测值,对光伏资源的利用效率和电网的安全稳定运行具有重要作用。