基于改进FEEMD-FOA-LSSVM的短期风速预测

摘要

在短期风速预测的研究中,使用快速集合经验模态分解算法(FEEMD)可以降低风速的不稳定性,但分解过程会产生端点效应。最小二乘支持向量机(LSSVM)在预测问题的研究中应用比较广泛,预测结果却受模型参数选取的影响。提出改进的FEEMD-FOA-LSSVM模型:首先对原始的风速序列使用改进的FEEMD算法进行分解,降低风速序列的不稳定性以及端点效应的影响。其次通过样本熵重组对分解产生的子序列进行合并,同时使用改进的果蝇算法(FOA)提高寻优效果,优化LSSVM模型参数,并通过测试函数验证改进的FOA算法,合并各预测值完成预测。仿真验证,所提出的改进模型在改善上述问题的同时也提高了预测精度。