基于二阶数据分解算法和蝗虫优化混合核LSSVM的太阳辐照度预测模型研究

作     者：吴小涛 袁晓辉 袁艳斌 易凡茹 朱婧巍 吴育联 Wu Xiaotao;Yuan Xiaohui;Yuan Yanbin;Yi Fanru;Zhu Jingwei;Wu Yulian

作者机构：黄冈师范学院数学与统计学院湖北黄冈438000 华中科技大学土木与水利工程学院湖北武汉430074 武汉理工大学资源与环境工程学院湖北武汉430070 

基　　金：国家自然科学基金(41571514) 湖北省大学生创新创业训练计划项目(S201910514029) 黄冈师范学院博士基金项目(201828603) 校级大学生创新创业训练计划项目(202110514136) 

出 版 物：《可再生能源》 (Renewable Energy Resources)

年 卷 期：2021年第39卷第7期

页      码：899-907页

摘      要：针对太阳辐照度时间序列的非线性特点,文章设计了一种新的基于二阶数据分解算法和蝗虫优化混合核LSSVM的太阳辐照度预测模型,并对该模型进行了验证。首先,利用集合经验模态分解(EEMD)算法对原始太阳辐照度时间序列进行分解,得到若干个频率不同的分量;然后,利用变分模态分解(VMD)算法进一步分解频率最高的分量,得到K个相对稳定的分量,其中,K由各分量与利用VMD算法分解得到的残差的相关系数确定;接着,建立基于高斯核和多项式核的混合核最小二乘支持向量机(LSSVM)预测模型,对所有分量进行预测,并利用蝗虫优化算法优化混合核函数的参数;最后,将所有分量的预测结果相加得到原始太阳辐照度时间序列的预测结果。模拟结果表明,与BP神经网络模型、ARIMA模型、LSSVM模型和基于EEMD,LSSVM的预测模型相比,基于二阶数据分解算法和蝗虫优化混合核LSSVM的太阳辐照度预测模型的预测精度更高,能有效反映太阳辐照度的变化规律。

主 题 词：集合经验模态分解算法 变分模态分解算法 混合核最小二乘支持向量机 蝗虫优化算法 

学科分类：080703[080703] 08[工学] 0807[工学-电子信息类] 

核心收录：

D　O　I：10.13941/j.cnki.21-1469/tk.2021.07.008

馆 藏 号：203104156...